<\/p>\n
A regress\u00e3o linear<\/strong> \u00e9 um m\u00e9todo que podemos usar para quantificar a rela\u00e7\u00e3o entre uma ou mais vari\u00e1veis preditoras e uma vari\u00e1vel de resposta<\/a> .<\/span><\/p>\n Um dos motivos mais comuns para ajustar um modelo de regress\u00e3o \u00e9 usar o modelo para prever os valores de novas observa\u00e7\u00f5es.<\/span><\/p>\n Usamos as seguintes etapas para fazer previs\u00f5es com um modelo de regress\u00e3o:<\/span><\/p>\n Os exemplos a seguir mostram como usar modelos de regress\u00e3o para fazer previs\u00f5es.<\/span><\/p>\n Suponha que um m\u00e9dico colete dados sobre a altura (em polegadas) e o peso (em libras) de 50 pacientes.<\/span><\/p>\n Em seguida, ajusta-se um modelo de regress\u00e3o linear simples usando \u201cpeso\u201d como vari\u00e1vel preditora e \u201caltura\u201d como vari\u00e1vel resposta.<\/span><\/p>\n A equa\u00e7\u00e3o de regress\u00e3o ajustada \u00e9:<\/span><\/p>\n Tamanho = 32,7830 + 0,2001*(peso)<\/span><\/p>\n Ap\u00f3s verificar se os pressupostos<\/a> do modelo de regress\u00e3o linear s\u00e3o atendidos, o m\u00e9dico conclui que o modelo se ajusta bem aos dados.<\/span><\/p>\n Pode ent\u00e3o usar o modelo para prever a altura de novos pacientes com base no peso.<\/span><\/p>\n Por exemplo, digamos que um novo paciente pesa 170 libras. Usando o modelo, prever\u00edamos que este paciente teria uma altura de 66,8 polegadas:<\/span><\/p>\n Altura = 32,7830 + 0,2001*(170) = 66,8 polegadas<\/strong><\/span><\/p>\n Sup\u00f5e que um economista coleta dados sobre o total de anos de escolaridade, horas semanais trabalhadas e renda anual de 30 pessoas.<\/span><\/p>\n Em seguida, ajusta-se um modelo de regress\u00e3o linear m\u00faltipla usando \u201ctotal de anos de escolaridade\u201d e \u201choras semanais trabalhadas\u201d como vari\u00e1vel preditora e \u201crendimento anual\u201d como vari\u00e1vel resposta.<\/span><\/p>\n A equa\u00e7\u00e3o de regress\u00e3o ajustada \u00e9:<\/span><\/p>\n Renda = 1.342,29 + 3.324,33*(anos de escolaridade) + 765,88*(horas semanais trabalhadas)<\/span><\/p>\n Ap\u00f3s verificar se os pressupostos<\/a> do modelo de regress\u00e3o linear s\u00e3o atendidos, o economista conclui que o modelo se ajusta bem aos dados.<\/span><\/p>\n Pode ent\u00e3o utilizar o modelo para prever o rendimento anual de um novo indiv\u00edduo com base no total de anos de escolaridade e nas horas semanais trabalhadas.<\/span><\/p>\n Por exemplo, suponha que um novo indiv\u00edduo tenha 16 anos de estudo no total e trabalhe em m\u00e9dia 40 horas por semana. Usando o modelo, prever\u00edamos que essa pessoa teria uma renda anual de US$ 85.166,77:<\/span><\/p>\n Renda = 1.342,29 + 3.324,33*(16) + 765,88*(45) = $ 85.166,77<\/strong><\/span><\/p>\n Quando voc\u00ea usa um modelo de regress\u00e3o para fazer previs\u00f5es sobre novas observa\u00e7\u00f5es, o valor previsto pelo modelo de regress\u00e3o \u00e9 chamado de estimativa pontual<\/a> .<\/span><\/p>\n Embora a estimativa pontual represente a nossa melhor estimativa do valor da nova observa\u00e7\u00e3o, \u00e9 improv\u00e1vel que corresponda exactamente<\/em> ao valor da nova observa\u00e7\u00e3o.<\/span><\/p>\n Assim, para capturar esta incerteza, podemos criar um intervalo de confian\u00e7a<\/strong> \u2013 um intervalo de valores que provavelmente conter\u00e1 um par\u00e2metro populacional com um certo n\u00edvel de confian\u00e7a.<\/span><\/p>\n Por exemplo, em vez de prever que um novo indiv\u00edduo ter\u00e1 66,8 polegadas de altura, podemos criar o seguinte intervalo de confian\u00e7a:<\/span><\/p>\n Intervalo de confian\u00e7a de 95% = [64,8 polegadas, 68,8 polegadas]<\/span><\/p>\n Interpretar\u00edamos esse intervalo como significando que temos 95% de certeza de que a altura real desse indiv\u00edduo est\u00e1 entre 64,8 polegadas e 68,8 polegadas.<\/span><\/p>\n Lembre-se dos seguintes pontos ao usar um modelo de regress\u00e3o para fazer previs\u00f5es:<\/span><\/p>\n 1. Use o modelo apenas para fazer previs\u00f5es dentro do intervalo de dados usado para estimar o modelo de regress\u00e3o.<\/strong><\/span><\/p>\n Por exemplo, suponha que estiv\u00e9ssemos ajustando um modelo de regress\u00e3o usando a vari\u00e1vel preditora \u201cpeso\u201d e o peso dos indiv\u00edduos na amostra que usamos para estimar o modelo estivesse entre 120 e 180 libras.<\/span><\/p>\n N\u00e3o seria v\u00e1lido utilizar o modelo para estimar a altura de um indiv\u00edduo com peso de 90 quilos, pois isso est\u00e1 fora da faixa da vari\u00e1vel preditora que utilizamos para estimar o modelo.<\/span><\/p>\n \u00c9 poss\u00edvel que a rela\u00e7\u00e3o entre peso e altura seja diferente fora da faixa de 120 a 180 libras. Portanto, n\u00e3o dever\u00edamos usar o modelo para estimar a altura de um indiv\u00edduo que pesa 90 quilos.<\/span><\/p>\n 2. Use o modelo apenas para fazer previs\u00f5es para a popula\u00e7\u00e3o amostrada.<\/strong><\/span><\/p>\n Por exemplo, suponha que a popula\u00e7\u00e3o que um economista extrai de uma amostra de todas as pessoas que vivem numa determinada cidade.<\/span><\/p>\n Dever\u00edamos usar apenas o modelo de regress\u00e3o ajustado para prever a renda anual dos indiv\u00edduos nesta cidade, uma vez que toda a amostra utilizada para ajustar o modelo vivia nesta cidade.<\/span><\/p>\n Introdu\u00e7\u00e3o \u00e0 regress\u00e3o linear simples<\/a> A regress\u00e3o linear \u00e9 um m\u00e9todo que podemos usar para quantificar a rela\u00e7\u00e3o entre uma ou mais vari\u00e1veis preditoras e uma vari\u00e1vel de resposta . Um dos motivos mais comuns para ajustar um modelo de regress\u00e3o \u00e9 usar o modelo para prever os valores de novas observa\u00e7\u00f5es. Usamos as seguintes etapas para fazer previs\u00f5es com […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1974","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo 1: Fazendo previs\u00f5es com um modelo de regress\u00e3o linear simples<\/strong><\/span><\/h3>\n
Exemplo 2: Fazendo previs\u00f5es com um modelo de regress\u00e3o linear m\u00faltipla<\/strong><\/span><\/h3>\n
Sobre o uso de intervalos de confian\u00e7a<\/strong><\/span><\/h3>\n
Precau\u00e7\u00f5es a serem tomadas ao fazer previs\u00f5es<\/strong><\/span><\/h3>\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Introdu\u00e7\u00e3o \u00e0 regress\u00e3o linear m\u00faltipla<\/a>
Introdu\u00e7\u00e3o aos intervalos de confian\u00e7a<\/a>
As quatro suposi\u00e7\u00f5es da regress\u00e3o linear<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"