O MODELO DE REGRESSO

Em Econometria tratamos exclusivamente com relaes estocsticas. A forma mais

simples de relao estocstica entre as duas variveis x e y, chama-se modelo de regresso
linear simples. Este modelo descrito formalmente do seguinte modo: Yi X i i

(1), onde Y a varivel dependente, X a varivel independente, a perturbao

estocstica e e so os parmetros da regresso, desconhecidos.
A anlise de regresso linear simples, geralmente inicia-se pela colocao dos
valores de XY em um diagrama de disperso, determinando-se, pela inspeo grfica, se h
uma relao linear aproximada dada pela frmula (1), sem o . Desde que improvvel
que os pontos caiam precisamente sobre uma linha, a relao linear exata inclui uma
perturbao aleatria, erro ou termo estocstico, .
Supe-se que o termo erro seja, (1) normalmente distribudo, com (2) mdia ou
valor esperado igual a zero, (3) varincia constante, (4) no correlacionado ou no
relacionado com outro termo erro, e (5) que a varivel explicativa assuma valores fixados
em amostragens repetidas (tal que X e so tambm no-correlacionados).

MTODO DOS MNIMOS QUADRADOS SIMPLES

uma tcnica para ajustamento da melhor linha reta para as observaes

amostrais de XY. Ela envolve a minimizao da soma dos quadrados dos desvios (verticais)

Y Y onde Y refere-se s observaes reais e

2
dos pontos em relao reta : Min

Y refere-se aos valores estimados correspondentes, sendo que Y Y e (resduo ) . Esse

processo leva a duas equaes normais seguintes :
Y nb b X (a)
i 0 1 i

X Y b X b X
i i 0 i 1 i
2
(b)

onde n o nmero de observaes e b0 e b1 so os estimadores dos verdadeiros

parmetros b0 e b1 . Resolvendo simultaneamente as equaes a e b, obtemos:

 n X i Yi X i Yi
b1 (c)
n X i2 X i
2

b0 Y b1 X (d )

Normalmente, utiliza-se uma frmula equivalente para estimar b1 :

b1
x y i i
(e) onde x i X i X e y i Yi Y . A equao estimada de regresso,
x 2
i

atravs do mtodo dos mnimos quadrados (MMQ), ento : Yi b0 b1 X i .

Verificando a tabela para o problema milho-fertilizante 1, temos :

b1
x y
i i

956
1,66 (coeficiente angular da reta de regresso) e,
x i
2
576

b0 Y b1 X 57 (1,66)(18) 57 29,88 27,12 (intercepto de Y).

Yi b0 b1 X i 27,12 1,66 X i (a equao de regresso estimada).

TESTES DE SIGNIFICNCIA DOS PARMETROS ESTIMADOS

Para testar a significncia estatstica dos parmetros estimados da regresso,

precisamos da varincia de b0 e b1 :

Var b0 u2
X i
2

e Var b1 u2
1
n x 2
i x i2
Desde que u2 seja desconhecido, utiliza-se a varincia residual, s 2 , como uma

estimativa no viesada de u2 :

s 2 u2
e 2
i
, onde k o nmero de parmetros estimados.
nk
As estimativas no viesadas da varincia de b0 e b1 so, ento, dadas por :

1
Tabela do Excel anexa ao trabalho.
 s 2

e 2
i

X i
2

e s 2

e 2
i1
s b2 e s b2 so
2 , onde
b0
nk n x 2
i
b1
n k xi 0 1

os erros padres das estimativas. Desde que i normalmente distribudo, Yi e portanto,

b0 e b1 so tambm normalmente distribudos, de sorte que podemos usar a distribuio t

com n k graus de liberdade para testar hipteses e construir intervalos de confiana para
b0 e b1 .

Ainda no exemplo milho-fertilizante, temos :

s b2
e i
2

X i
2

47,3056 3816
3,92 s b 3,92 1,98 e
0
nk n x 2
i 10 2 10(576) 0

s 2

e 2
i1


47,3056
0,01 s b 0,01 0,1
b1
n k xi
2
(10 2) 576 1

b0 b0 27,12 0
t0 13,7 e
s b 1,98
0
Portanto,
b b1 1,66 0
t1 1 16,6
s b 0,1
1

Como t 0 e t1 excedem t 2,306 com 8 gl , ao nvel de significncia de 5% (ver

tabela), conclumos que tanto b0 como b1 , so estatisticamente significantes ao nvel de

5%2.

TESTE DE QUALIDADE DO AJUSTAMENTO

Quanto mais prximo as observaes caem da linha de regresso (ou seja, quanto
menores forem os resduos), maior a explicao da variao de Y pela equao da
regresso estimada. A variao total de Y igual a variao explicada mais a variao
residual :

2
Como usamos a distribuio t, o procedimento anterior chamado apropriadamente de teste t. Na
linguagem dos testes de significncia, diz-se que uma estatstica estatisticamente significante se o valor da
estatstica de teste se encontrar na regio crtica (de rejeio de H 0 ). Pelo mesmo motivo diz-se que um
teste estatisticamente insignificante se o valor da estatstica de teste se encontrar na regio de aceitao de
H0.
 Y
2
Yi Y y i y i
2 2
i Y VT VER VR
onde VT var iao total de Y (ou soma total dos quadrados)
VER var iao exp licada de Y (ou soma dos quadrados da regresso )
VR var iao residual de y (ou soma dos quadrados dos erros )

VER VR
Dividindo ambos os lados por VT temos: 1 , o coeficiente de
VT VT
determinao, ou R 2 , ento definido como a proporo da variao explicada pela

VER VR
regresso de Y sobre X, pela variao total de Y : R 2 1 , o que leva a
VT VT

Y 2
e
y Y
2
i i 2
R 2
1 , onde 2
Y i . O R 2 varia de 0 (quando a equao
Y y
2 2 i i
i i

da regresso estimada no explica nada da variao de Y), at 1 (quando todos os pontos se

situam sobre a linha de regresso). R 2 r 2 onde 1 r 1 .

No exemplo milho-fertilizante, o coeficiente de determinao, pode ser encontrado :

Y e
2 2
i i 47,31
R 2
1 1 1 0,0290 0,9710 , assim, a equao de
Y i
2
y 2
i 1634

regresso explica cerca de 97% da variao total da produo de milho. Os restantes 3%

so atribudos aos fatores includos no termo erro.

TESTE PARA A EXISTNCIA DE REGRESSO-(teste F)

Uma das formas de realizarmos o teste de existncia da regresso a utilizao da

anlise das varincias, ou seja, estudar o comportamento das variaes totais, explicadas e
residuais. Este teste compactado no chamado Quadro de Anlise da Varincia (QAV),
cuja composio a seguinte :
 Se S XY XY
X Y , S XX X
2
X 2

, S YY Y
2
Y 2

,e
n n n

S YY b S XY S XY
ainda se S e b
2
, ento :
n2 S XX

QAV TESTE F
FONTE DE VARIAO SOMA DOS QUADRADOS GL QUADRADOS MDIOS F
b S XY
DEVIDO A REGRESSO VER b S XY 1
1
b S XY
S b S XY F
RESDUO VR S YY b S XY n-2 S 2 YY S2
n2
TOTAL VT SYY n-1

Deve-se lembrar que :

a) As hipteses so H 0 : 0 e H 1 : 0
b) Fixar o (nvel de significncia).
c) F (m, n) a varivel aleatria com distribuio F de Snedecor, com m graus de
liberdade no numerador e n graus de liberdade no denominador, e cuja definio dada

m2
m m2 n
por : F (m, n) 2 2 e que VE 1 e VR n 2
2 2

n n m
n
d) Concluso : Se F (calculado) F (1, n 2) , rejeita-se H 0 e existe regresso.

No exemplo milho-fertilizante, o F (1,8) 5,32 (tabelado) para 0,05 . Como o

F 268,33(calculado) F (1, n 2) 5,32 , rejeita-se H 0 e, consequentemente, existe

regresso.