e aí o olá meu nome é alexandre gori maia e a célula de análise de variância o capítulo 7 do livro econometria conceitos e aplicações nós veremos como estimar e analisar a qualidade de um ajuste obtido pelo método de mínimos quadrados ordinários o médico que o utilizar emos para analisar a qualidade de um ajuste baseia-se na decomposição da soma dos quadrados a ideia de compor uma medida de variabilidade total de y denominada a soma total dos quadrados essa soma total dos quadrados representa o digio de y em relação a sua média é calculada somando-se os quadrados das diferenças entre os valores observados e y e sua média aritmética y barra para cima dessa soma total dos quadrados pode ser explicado aqui loja do sistema aqui ó a soma dos quadrados da regressão representa a distância entre a reta vermelha obtida por e michael ea média de y é calculada somando-se os quadrados das diferenças e os valores previstos e y e sua média aritmética por sua vez a parcela não explicada pela polícia e será representada pela soma dos quadrados dos resíduos a distância roxa a soma dos quadrados dos resíduos é calculada somando-se os quadrados das diferenças dos valores observados de y em relação aos seus respectivos valores previstos pelo ajuste 8 sem chapéu um ajuste de boa qualidade é aquele em que a variabilidade explicada pela reta de regressão à distância vermelha representa uma parcela relativamente expressiva da variabilidade total à distância laranja que nós compararmos esses dois ajustes ou da esquerda apresenta uma melhor qualidade pois a sua variabilidade explicada a distância vermelha representa uma parcela muito mais expressiva da variabilidade total à distância laranja do que o ar doce ao lado direito resumindo as o matou o josemar medida de variabilidade total de y pode ser estimada por uma função escalar a esquerda na equação quanto o por uma função matricial à direita na equação é a soma dos quadrados da regressão representa a variabilidade de y que é explicada pelo ajuste de regressão ou seja que está associada às variáveis independentes do modelo também pode ser estimada por uma função escalar ou pela equivalente função matricial 1 e finalmente a soma dos quadrados dos resíduos representa a variabilidade de só que não está associada às variáveis independentes ou seja é o comportamento de y que é explicado por outros fatores além das variáveis incorporadas no modelo pode também ser estimada pela função escalar ou pela equivalente função matricial e a tabela nova ou análise de variância resume os resultados da análise de decomposição da variabilidade quadrática de y além da soma dos quadrados a tabela 9 apresenta os graus de liberdade associados a cada a soma dos quadrados os quadrados médios que são medidas de variabilidade média e são calculados pela razão entre a soma dos quadrados dos respectivos graus de liberdade ea estatística f que é a razão entre os quadrados médios da regressão e dos resíduos essa estatística será utilizada no teste de hipóteses que nós teremos em breve o coeficiente de determinação r2 ela estatística descritiva muito utilizada para analisar a qualidade de um ajuste de michael o r2 é w pela razão entre a soma dos quadrados da regressão que mede a variabilidade de y explicado uploadboost e a soma total dos quadrados que mede a variabilidade total de y o r2 varia de 0 a 1 e quanto maior o seu valor maior será a parcela do comportamento de y que é explicada pelas variáveis independentes ou seja melhor é a qualidade do ajuste e o exemplo 7. 1 do livro de compõem a variabilidade total da renda a soma total dos quadrados entre a parcela explicada pela just as formas quadradas a regressão e a parcela não explicar daquele olhos a soma dos quadrados dos resíduos pesquisando as expressões matriciais para obter cada soma dos quadrados chegaremos as estimativas de 35 para a soma total dos quadrados 34,8 para a soma dos quadrados da regressão e 0,2 para a soma dos quadrados dos resíduos podemos apresentar as estimativas da soma dos quadrados na tabela nova juntamente com os respectivos graus de liberdade que são dois no caso da soma dos quadrados da regressão pois temos duas variáveis independentes do modelo um grau de liberdade no caso da soma dos quadrados dos resíduos pois o número de observações da mostra que é 4 - o número de paramos pra e ele tá igual a 1 e 3 graus de liberdade no caso da soma total dos quadrados que é o número de observações da mostra quatro observações - 1 e finalmente esse manos o r2 pela razão entre a soma dos quadrados da regressão que é 34,8 e a soma total dos quadrados que há 35 r2 nesse caso igual a 0,99 4 indica que a quase totalidade 99 ponto 4 por cento da variabilidade quatro áfrica da renda da mostra é explicada pelas variáveis anos de estudo e idade da pessoa responsável pela família eu fiz estarei aí novamente os dados do exemplo 7. 1 do livro para ensinar as uma as somas dos quadrados no r a rocha vimos como obter o as estimativas de mt utilizando álgebra matricial no rs executar essa parte da rotina nós chegaremos a essa estimativa no caso o meu retrô beta vai ter estimativa 1.
9 4781 para o betão 0,06 para o beta 2 apenas uma ressalva entre os cálculos intermediários e o incorporei esse escalar que é o resultante do produto do vetor transposto y pelo próprio vetor y esse valor será utilizado na estimativas da soma dos quadrados que nós veremos a seguir primeiro a soma total dos quadrados que será dada pelo instalar resultante do produto do vetor hipot transposto e o próprio vetor y acabei de calcular acima menos o produto do tamanho da mostra que é dado pela função lente do web vezes a média o ritual padrasto e a moto top quadrados 35 é estimativa em seguida a soma dos quadrados da regressão será dada pelo diretor transposto beta multiplicado pelo vetor resultante do produto de x por y já foi calculado acima menos o tamanho da amostra vezes a média de y ao quadrado e aqui a estimativa para tomar para trás da regressão 34,8 ea soma dos quadrados dos resíduos que será estimada pela diferença que pode ser estimada pela diferença entre a soma total dos quadrados ea soma dos quadrados da regressão que nós já calculamos acima ou pela expressão matricial que que é obtida por esta linha de comando do r a estimativa aqui nós temos é de 0,2 para a soma dos quadrados dos resíduos finalmente eu posso estimar o r2 que será dado pela razão entre a soma dos quadrados da regressão e a soma total dos quadrados r2s mack vai a de 0,99 quatro e nós já temos a interpretação no no slide anterior o próximo passo da análise de variância ea realizar o teste f a hipótese nula do psf aqui nenhuma das variáveis independentes possui associação com y ou seja o modelo não contribuir para explicar a variabilidade de y é podes alternativa é que pelo menos uma das variáveis independentes possui associação com y ou seja o modelo contribui para explicar o comportamento de y exemplo com duas variáveis independentes haveria quatro situações possíveis e dá a primeira situação as duas variáveis x 1 x 2 teve uma associação com y ou seja tanto o crescente da tá um quanto coisas sempre beta 2 e seriam diferentes de zero e a hipótese nula deveria ser rejeitada pelo teste f e na segunda situação apenas a variável x 2 teria relação com y ou seja é tá dois seria diferente de zero e tá bom ser igual a zero nesse caso a hipótese nula também deveria ser rejeitada pelo teste f uma vez que minha modelo contribui para explicar o comportamento de y e a terceira situação apenas a variável x 1 apresentaria relação com y ou seja deve tá bom seria diferente de zero mais beta 2 seria igual a zero nesse caso também aí continua deveria ser rejeitada pelo psf finalmente eu poderia ter uma situação onde bem avaliado o x1 tem avaliar x 2 apresentariam relação com y nesse caso os dois coeficientes betalonge beta dois seriam iguais a zero ele posse lula não deveria ser rejeitada pelo tse moral da história apesar de o tse se identificar as situações em que o modelo contribui para explicar o comportamento de y as três situações iniciais não permitiria concluir sobre quais as variáveis apresenta de fato relação comigo para realizarmos o tsf primeiro nós devemos ter um modelo de regressão linear com capa e apresenta independentes e nós definimos as hipóteses nula indicando que o modelo não contribuir para explicar o comportamento ou variabilidade de y e a hipótese alternativa indicando que pelo menos uma das cavalariças independentes contribuem para explicar o comportamento de y o próximo passo é então esse maressa física f com os dados da mostra essa estatística dada pela razão entre o quadrado mede da regressão e o quadrado mede dos resíduos e nós já vimos como calculados e essa estatística tirar uma distribuição f com dois parâmetros os graus de liberdade do numerador que são associados a soma dos quadrados da regressão e os graus de liberdade do denominador associados a soma dos quadrados dos resíduos então nós calculamos a probabilidade de encontrar um valor tão extremo quanto o que nós estimamos para isso a fiscais na mostra e esta probabilidade será o valor ter o teste ou seja a probabilidade de erro ao ejetar nos a hipótese nula e outras palavras o valor pelo sim dicas e nos indica o erro que nós estamos sujeitos e afirmamos que o modelo contribui para explicar a variabilidade de y se o valor que é pequeno nós rejeitamos a hipótese nula o que significa afirmar que pelo menos uma variável apresenta a contribuição significativa e aplicarei agora o psf no nosso exemplo para analisar a contribuição da escolaridade da idade para explicar a variabilidade da renda familiar que a nossa variável dependente possa calculamos as somas dos quadrados e os respectivos quadrados médios o próximo passo é calcular essa fiz kf dada pela razão entre o quadrado mede da regressão que é 17,4 e o quadrado mede dos resíduos que a 0,2 a nossa estimativa é igual a 87 essa estimativa faz parte de uma distribuição f com dois graus de liberdade no numerador associados a soma dos quadrados da repressão e um grau de liberdade e não terminador associado a soma dos quadrados dos resíduos a probabilidade de encontrarmos um valor tão extremo quanto nossa estimativa 87 nessa distribuição f é de 7,6 porcento e outras palavras e do teste indica que estaremos sujeitos a uma chance de erro de 7,6 porcento se assumimos que pelo menos uma das variáveis independentes escolaridade ou idade contribui para explicar o comportamento da renda familiar é um e moderado superior a 5 porcento que é usualmente nossa tolerância máxima o que dificulta qualquer conclusão sobre a significância do modelo te darei continuidade ao exemplo 7. 1 do livro agora não erre para realizar o trf da contribuição marginal em nosso poder primeiro estimarei os valores dos quadrados médios da regressão e dos resíduos para facilitar a compreensão é eu defino os valores dos parâmetros n que é o tamanho da amostra etapa o número de variáveis independentes em seguida as estimativas os quadrados médios da regressão e dos resíduos que são dadas pelas razões entre entre a soma dos quadrados e os respectivos graus de liberdade as nossas estimativas são 17.