<\/p>\n
Este tutorial explica como identificar a estat\u00edstica F na sa\u00edda de uma tabela de regress\u00e3o, bem como interpretar essa estat\u00edstica e seu valor p correspondente.<\/span><\/p>\n O teste F para signific\u00e2ncia geral<\/strong> na regress\u00e3o \u00e9 um teste para determinar se o seu modelo de regress\u00e3o linear fornece ou n\u00e3o um melhor ajuste a um conjunto de dados do que um modelo sem vari\u00e1veis preditoras.<\/span><\/p>\n O teste F de signific\u00e2ncia geral \u00e9 baseado nas duas suposi\u00e7\u00f5es a seguir:<\/span><\/p>\n Hip\u00f3tese nula ( H0<\/sub> ):<\/strong> O modelo sem vari\u00e1veis preditoras (tamb\u00e9m chamado de modelo somente intercepta\u00e7\u00e3o<\/em> ) ajusta os dados t\u00e3o bem quanto o seu modelo de regress\u00e3o.<\/span><\/p>\n Hip\u00f3tese alternativa ( HA<\/sub> ):<\/strong> Seu modelo de regress\u00e3o se ajusta melhor aos dados do que o modelo somente de intercepta\u00e7\u00e3o.<\/span><\/p>\n Ao ajustar um modelo de regress\u00e3o a um conjunto de dados, voc\u00ea receber\u00e1 uma tabela de regress\u00e3o<\/a> como sa\u00edda, que informar\u00e1 a estat\u00edstica F junto com o valor p correspondente para essa estat\u00edstica F.<\/span><\/p>\n Se o valor p for menor que o n\u00edvel de signific\u00e2ncia escolhido ( as op\u00e7\u00f5es comuns s\u00e3o 0,01, 0,05 e 0,10<\/em> ), voc\u00ea ter\u00e1 evid\u00eancias suficientes para concluir que seu modelo de regress\u00e3o se ajusta aos dados apenas como o modelo original. modelo.<\/span><\/p>\n Suponha que temos o seguinte conjunto de dados que mostra o n\u00famero total de horas estudadas, o n\u00famero total de exames preparat\u00f3rios realizados e a nota do exame final para 12 alunos diferentes:<\/span><\/p>\n Para analisar a rela\u00e7\u00e3o entre as horas estudadas e os exames preparat\u00f3rios realizados com a nota do exame final obtida pelo aluno, realizamos uma regress\u00e3o linear m\u00faltipla utilizando as horas estudadas<\/em> e os exames preparat\u00f3rios<\/em> realizados<\/em> como vari\u00e1veis preditoras e a nota final em exame<\/em> como vari\u00e1vel resposta.<\/span><\/p>\n Recebemos o seguinte resultado:<\/span><\/p>\n A partir desses resultados, focaremos na estat\u00edstica F fornecida na tabela ANOVA, bem como no valor p dessa estat\u00edstica F, que \u00e9 rotulada como Signific\u00e2ncia F<\/em> na tabela. Escolheremos 0,05 como n\u00edvel de signific\u00e2ncia.<\/span><\/p>\n Estat\u00edstica F:<\/strong> 5,090515<\/span><\/p>\n Valor P:<\/strong> 0,0332<\/span><\/p>\n Nota t\u00e9cnica:<\/strong> A estat\u00edstica F \u00e9 calculada como a regress\u00e3o MS dividida pelo res\u00edduo MS. Neste caso, regress\u00e3o MS \/ res\u00edduo MS = 273,2665 \/ 53,68151 = 5,090515<\/strong> .<\/em><\/span><\/p>\n<\/blockquote>\n Como o valor p est\u00e1 abaixo do n\u00edvel de signific\u00e2ncia, podemos concluir que nosso modelo de regress\u00e3o se ajusta melhor aos dados do que o modelo apenas de intercepta\u00e7\u00e3o.<\/span><\/p>\n No contexto deste problema espec\u00edfico, isso significa que usar nossas vari\u00e1veis preditoras de Horas de Estudo<\/em> e Exames Preparat\u00f3rios<\/em> no modelo nos permite ajustar os dados melhor do que se os deix\u00e1ssemos de fora e simplesmente us\u00e1ssemos o modelo de intercepta\u00e7\u00e3o de forma exclusiva.<\/span><\/p>\n Em geral, se nenhuma das suas vari\u00e1veis preditoras for estatisticamente significativa, o teste F geral tamb\u00e9m n\u00e3o ser\u00e1 estatisticamente significativo.<\/span><\/p>\n No entanto, este pode n\u00e3o ser o caso em alguns casos, porque o teste F para signific\u00e2ncia global testa se todas as vari\u00e1veis preditoras s\u00e3o conjuntamente<\/em> significativas, enquanto o teste T para signific\u00e2ncia para cada vari\u00e1vel preditora individual simplesmente testa se cada vari\u00e1vel preditiva \u00e9 significativa. individualmente<\/em> significativo.<\/span><\/p>\n Assim, o teste F determina se todas<\/em> as vari\u00e1veis preditoras s\u00e3o conjuntamente significativas ou n\u00e3o.<\/span><\/p>\n \u00c9 poss\u00edvel que cada vari\u00e1vel preditora n\u00e3o seja significativa e ainda assim o teste F indica que todas as vari\u00e1veis preditoras combinadas s\u00e3o conjuntamente significativas.<\/span><\/p>\n Nota t\u00e9cnica:<\/strong> Em geral, quanto mais vari\u00e1veis preditoras voc\u00ea tiver no modelo, maior ser\u00e1 a probabilidade de que a estat\u00edstica F e o valor p correspondente sejam estatisticamente significativos.<\/em><\/span><\/p>\n<\/blockquote>\n Outra m\u00e9trica que voc\u00ea provavelmente ver\u00e1 na sa\u00edda de uma regress\u00e3o \u00e9 R-squared<\/a> , que mede a for\u00e7a do relacionamento linear entre as vari\u00e1veis preditoras e a vari\u00e1vel de resposta \u00e9 outra.<\/span><\/p>\n Embora o R-quadrado possa dar uma ideia de at\u00e9 que ponto as vari\u00e1veis preditoras est\u00e3o fortemente associadas \u00e0 vari\u00e1vel resposta, ele n\u00e3o fornece um teste estat\u00edstico formal para esse relacionamento.<\/span><\/p>\n \u00c9 por isso que o Teste F \u00e9 \u00fatil, pois \u00e9 um teste estat\u00edstico formal. Al\u00e9m disso, se o teste F geral for significativo, voc\u00ea poder\u00e1 concluir que R-quadrado n\u00e3o \u00e9 zero e que a correla\u00e7\u00e3o entre a(s) vari\u00e1vel(\u00f5es) preditora(s) e a vari\u00e1vel de resposta \u00e9 estatisticamente significativa.<\/span><\/p>\n Os tutoriais a seguir explicam como interpretar outros valores comuns em modelos de regress\u00e3o:<\/span><\/p>\n Como ler e interpretar uma tabela de regress\u00e3o<\/a> Este tutorial explica como identificar a estat\u00edstica F na sa\u00edda de uma tabela de regress\u00e3o, bem como interpretar essa estat\u00edstica e seu valor p correspondente. Compreendendo o teste F de signific\u00e2ncia geral O teste F para signific\u00e2ncia geral na regress\u00e3o \u00e9 um teste para determinar se o seu modelo de regress\u00e3o linear fornece ou n\u00e3o […]<\/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-471","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Compreendendo o teste F de signific\u00e2ncia geral<\/strong><\/span><\/h2>\n
Exemplo: teste F em regress\u00e3o<\/strong><\/span><\/h2>\n
\n
Notas sobre a interpreta\u00e7\u00e3o do teste F de signific\u00e2ncia geral<\/strong><\/span><\/h2>\n
\n
Recursos adicionais<\/strong><\/span><\/h2>\n
Compreendendo o erro padr\u00e3o da regress\u00e3o<\/a>
O que \u00e9 um bom valor de R ao quadrado?<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"