1.

Coeficiente de determinacao
parcial
2. Coeficiente de determinao do
modelo
AULA 3
Coeficiente de determinacao parcial
Contribuicao de cada variavel no modelo
No slide 16 da aula 1, falou-se dos coeficientes de
regresso padronizados a partir dos quais seria
possvel comparar o peso da contribuio de cada
varivel independente na explicao da variao da
varivel dependente. Contudo, a partir da equao
padronizada no possvel saber a percentagem
dessa contribuio, por outras palavras, sabe-se
qual o regressor que mais contribui mas no se
sabe o valor dessa contribuio
Cont,
Para alm disso, no possvel saber se um determinado
regressor pode ser eliminado da equao de regresso.
Uma primeira abordagem para se ter uma ideia da
percentagem de contribuio de cada regressor ser
recorrendo aos coeficientes de determinao parcial.
Consideram-se regresses lineares simples entre a
varivel dependente e os diferentes regressores e depois
calculam-se e comparam-se esses coeficientes de
determinao.
Ficaremos, assim, a saber a percentagem de contribuio
de cada regressor, caso seja considerado separadamente
dos restantes, para a explicao da variao de Y, e
poderemos tirar ilaes sobre a possvel excluso de
algum regressor da equao de regresso linear mltipla
CALCULO NO EXCEL
100 10 2426
82 12 2293
90 11 2330
99 8 2368
81 8 2250
96 10 2409
94 12 2364
93 11 2379
97 13 2440
95 11 2364
100 8 2404
85 12 2317
86 9 2309
87 12 2328
0.83951 0.016421
2
R
Interpretacao
O coeficiente de determinacao entre as horas de
operacao da maquina e a quantidade de arroz
colhido e de 0.84
O coeficiente de determinacao entre os anos de
experiencia e a quantidade de arroz colhido foi de
0.016
Os resultados acima explicam que cerca de 84%
do arroz colhido depende das horas de operacao
da maquina e 1,6% depende dos anos de
experiencia do motorista.
NB:
Repare-se que a ordem de grandeza dos
coeficientes de determinao parcial deve estar de
acordo com a ordem de grandeza dos coeficientes
de regresso estandardizados
Y=0,9732A + 0,2639E ,i e, 0,9732>0,2639.
claro que a soma dos diferentes coeficientes de
determinao parciais no ser igual ao valor do
coeficiente de determinao mltiplo (que como se
viu no um bom indicador do grau de
ajustamento do modelo).
Para a excusao de uma variavel e necessario fazer-
se o teste especifico que veremos mais adiante.
Coeficiente de determinao
O facto do modelo de regresso ser altamente
significativo no implica necessariamente que a relao
encontrada seja o modelo mais adequado para estimar
e/ou predizer a quantidade de arroz colhido (valores da
varivel-resposta) em funo das horas de operacao e
da experiencia do maquinista. So necessrios testes
complementares, para se concluir sobre a qualidade do
ajustamento, antes de se utilizar este modelo numa
situao prtica (ou at mesmo, a comparao com
outros modelos). Saliente-se, ainda, que a partir deste
teste no possvel saber se se pode eliminar alguma
das variveis do modelo, tal facto poder acontecer se
a contribuio de um dos regressores na explicao da
varivel resposta seja estatisticamente no significativa
Cont,
Este coeficiente uma medida da proporo da variao da
varivel resposta Y que explicada pela equao de
regresso quando esto envolvidas as variveis
independentes .
Devido identidade da anlise de varincia j se viu que
0< R
2
< 1. Contudo um grande valor de R
2
no implica
necessariamente que o modelo de regresso seja um
bom ajustamento, uma vez que a adio de uma varivel
aumenta sempre o valor deste coeficiente (a adio de
uma varivel ao modelo faz sempre com que a soma de
quadrados da regresso aumente), sem ter em conta se a
varivel que se adiciona , ou no, estatisticamente
significativa.
Calculo
0,9270
47635,94
44157,09
2
= = =
T
R
SQ
SQ
R
Analise dos resultados
O coeficiente de determinao entre a quantidade
colhida e as horas de operao foi de 0,84 e ao se
acrescentar a experiencia de trabalho o coeficiente
passa de 0,84 para 0,927
NB: a adio de uma varivel ao modelo faz sempre
com que a soma de quadrados da regresso
aumente, sem ter em conta se a varivel que se
adiciona , ou no, estatisticamente significativa.

Coeficiente de determinacao ajustado
Assim, modelos com um elevado valor de R
2

podem produzir predies pouco fiveis de
novas observaes ou estimativas pouco fiveis
do valor esperado de Y. Por este motivo R
2
no
ser um bom indicador do grau de ajustamento
do modelo e, alguns investigadores preferem
utilizar o coeficiente de determinao ajustado

Cont,
Este coeficiente d uma melhor ideia da
proporo de variao de Y explicada pelo
modelo de regresso uma vez que tem em
conta o nmero de regressores. Ao contrrio
do que acontecia com o coeficiente de
determinao mltiplo, o R
2
ajustado no
aumenta sempre, quando uma nova varivel
adicionada ao modelo
Cont,...
Este s aumenta se a adio da varivel produz uma
reduo suficientemente grande na soma de
quadrados do erro de maneira a que compense a
perca de um grau de liberdade (resultante da
adio da varivel). De facto, se forem adicionados
termos desnecessrios, o valor de R
2
ajustado, na
maior parte dos casos decresce.
Quando a diferena entre R
2
e R
2
ajustado
acentuada, h uma boa hiptese de que tenham
sido includos no modelo termos estatisticamente
no significativos.
Calculo
( )
( ) 0,9157 0,92697 - 1
13
15
1
1
1
1
2
2 2
= =

|
|
.
|

\
|

=
adj
adj
R
R
p n
n
R
Interpretacao
O coeficiente de determinacao foi de 0,927 e o de
determinacao ajustado foi de 0,916.
A diferenca entre os dois e de 0,011, portanto, e
muito pequena, quer dizer que nao foram
introduzidas variaveis estatisticamente nao
significativos.
Com o resultado acima podemos aceitar o
coeficiente de determinacao igual a 0,927, e
concluir que cerca de 92,70% da variao da
quantidade de arroz explicada pelo modelo (pelas
horas de operacao da maquina e pelos anos de
experiencia do maquinista quando considerados em
conjunto neste modelo de regresso).

Cont,
Este s aumenta se a adio da varivel produz
uma reduo suficientemente grande na soma
de quadrados do erro de maneira a que
compense a perca de um grau de liberdade
(resultante da adio da varivel). De facto, se
forem adicionados termos desnecessrios, o
valor de R
2
ajustado, na maior parte dos casos
decresce. Quando a diferena entre R
2
e R
2

ajustado acentuada, h uma boa hiptese
de que tenham sido includos no modelo
termos estatisticamente no significativos.