Exemplos de perguntas e discussão sobre regressão linear
A regressão linear é um método estatístico utilizado para determinar a relação entre duas ou mais variáveis. Este método é amplamente utilizado em diversas áreas, incluindo economia, negócios, ciências sociais e ciências naturais. Neste artigo, discutiremos a regressão linear, como calculá-la e forneceremos vários exemplos com explicações para ajudar os leitores a compreenderem este conceito em profundidade.
Entendendo a Regressão Linear
A regressão linear é um método analítico usado para modelar a relação entre uma ou mais variáveis independentes (preditoras) e uma variável dependente (resposta). A regressão linear simples envolve uma variável independente e uma variável dependente, enquanto a regressão linear múltipla envolve mais de uma variável independente.
A equação de uma reta de regressão linear simples é:
\[ Y = a + bX \]
De mana:
– \( Y \) é a variável dependente.
– \( X \) é a variável independente.
– \( a \) é a intersecção, que é o valor de Y quando X = 0.
– \( b \) é o coeficiente de regressão, ou seja, quanto Y muda se X mudar em uma unidade.
Etapas da regressão linear
1. Coletar dados: Primeiro, colete os dados que serão analisados.
2. Plotar os dados: Crie um gráfico de dispersão para verificar se existe uma relação linear entre as variáveis.
3. Calcule o coeficiente de regressão: Use o método dos mínimos quadrados para determinar a melhor reta.
4. Testando o Modelo: Teste a significância dos coeficientes de regressão com um teste t e determine o valor de R² para verificar o quão bem o modelo se ajusta aos dados.
Contoh Soal e Pembahasan
Exemplo de questão 1: Regressão linear simples
Pergunta:
Um pesquisador deseja saber a relação entre o número de horas de estudo (X) e as notas dos alunos nas provas (Y). Os dados obtidos são os seguintes:
| Horas de estudo (X) | Nota do exame (Y) |
|——————–|——————–|
| 2 | 70 |
| 3 | 75 |
| 5 | 80 |
| 7 | 85 |
| 8 | 90 |
Crie uma equação de regressão linear a partir desses dados!
Discussão:
1. Calculando a média:
\[
\bar{X} = \frac{2 + 3 + 5 + 7 + 8}{5} = 5
\]
\[
\bar{Y} = \frac{70 + 75 + 80 + 85 + 90}{5} = 80
\]
2. Cálculo do coeficiente de regressão \( b \):
\[
b = \frac{\sum (X_i – \bar{X})(Y_i – \bar{Y})}{\sum (X_i – \bar{X})^2}
\]
\[
∑ (X_i – \bar{X})(Y_i – \bar{Y}) = (2 – 5)(70 – 80) + (3 – 5)(75 – 80) + (5 – 5)(80 – 80) + (7 – 5)(85 – 80) + (8 – 5)(90 – 80)
\]
\[
= (-3)(-10) + (-2)(-5) + (0)(0) + (2)(5) + (3)(10) = 30 + 10 + 0 + 10 + 30 = 80
\]
\[
∑ (X_i – X̄)^2 = (2 – 5)^2 + (3 – 5)^2 + (5 – 5)^2 + (7 – 5)^2 + (8 – 5)^2
\]
\[
= 9 + 4 + 0 + 4 + 9 = 26
\]
\[
b = \frac{80}{26} \approx 3.08
\]
3. Calculando a Interceptação \( a \):
\[
a = \bar{Y} – b\bar{X}
\]
\[
a = 80 – 3.08 × 5 = 80 – 15.4 = 64.6
\]
4. Equação de regressão:
\[
Y = 64.6 + 3.08X
\]
Assim, a equação de regressão linear para os dados é \( Y = 64.6 + 3.08X \). Isso significa que cada hora adicional de estudo deverá aumentar a pontuação do teste em 3.08 pontos.
Exemplo de questão 2: Teste e interpretação do modelo
Pergunta:
Continuando com os mesmos dados, calcule o valor de R-quadrado (R²) para medir o quão bem o modelo se ajusta aos dados. Além disso, teste a significância do coeficiente de regressão \( b \).
Discussão:
1. Calcule a Soma Total dos Quadrados (SST), a Soma dos Quadrados da Regressão (SSR) e a Soma dos Quadrados do Erro (SSE):
\[
SST = \sum (Y_i – \bar{Y})^2
\]
\[
SST = (70 – 80)^2 + (75 – 80)^2 + (80 – 80)^2 + (85 – 80)^2 + (90 – 80)^2 = 100 + 25 + 0 + 25 + 100 = 250
\]
\[
SSR = \sum (\hat{Y}_i – \bar{Y})^2
\]
Onde \( \hat{Y}_i \) é o valor previsto da equação de regressão:
\[
\hat{Y}_i = 64.6 + 3.08X_i
\]
\[
\hat{Y} = [67.76, 70.84, 76.0, 82.16, 85.24]
\]
\[
\bar{Y} = 80
\]
\[
SSR = (67.76 – 80)^2 + (70.84 – 80)^2 + (76.0 – 80)^2 + (82.16 – 80)^2 + (85.24 – 80)^2
\]
\[
SSR = (-12.24)^2 + (-9.16)^2 + (-4.0)^2 + 2.16^2 + 5.24^2 = 149.8
\]
2. Cálculo do SSE:
\[
SSE = SST – SSR = 250 – 149.8 = 100.2
\]
3. Cálculo do R-quadrado:
\[
R^2 = \frac{SSR}{SST} = \frac{149.8}{250} \approx 0.6
\]
Um valor de R² de 0.6 indica que este modelo explica aproximadamente 60% da variação nos dados. Isso indica que a reta de regressão se ajusta razoavelmente bem aos dados.
4. Teste t para significância do coeficiente \( b \):
\[
t = \frac{b}{SE(b)}
\]
\[
SE(b) = \sqrt{\frac{SSE}{n-2}} / \sqrt{\sum (X_i – \bar{X})^2}
\]
\[
SE(b) = \sqrt{\frac{100.2}{5-2}} / \sqrt{26}
\]
\[
SE(b) = \sqrt{33.4} / \sqrt{26} \approx 1.13
\]
\[
t = \frac{3.08}{1.13} \approx 2.73
\]
Com uma estatística t ≈ 2.73, se usarmos um limiar comum de significância (α = 0.05), comparamos com a tabela t. Por exemplo, para gl = 3, o valor crítico de t é aproximadamente 2.353. Então, t-observado > t-crítico, indicando que o coeficiente é significativo.
Conclusão
Neste artigo, abordamos os conceitos básicos de regressão linear, como calcular o coeficiente de regressão e o intercepto, e como interpretar os resultados usando exemplos. A prática frequente com diversos conjuntos de dados é essencial para se tornar proficiente no uso desse método. A regressão linear é uma ferramenta valiosa na análise de dados e pode fornecer informações detalhadas sobre as relações entre variáveis.
