11.10
Regressão Múltipla
A regressão múltipla é uma ferramenta estatística utilizada para analisar a relação entre mais de duas variáveis.
A regressão múltipla pode ser modelada em uma equação simples que estima a relação linear entre a resposta ou variável dependente, com mais de um preditor ou variáveis independentes.
Por exemplo, o consumo de água dos atletas está positivamente correlacionado com a temperatura e a quantidade total de tempo praticado.
Aqui, a temperatura e a quantidade total de tempo praticada são as variáveis preditoras que podem ser definidas independentemente. O consumo de água é a variável de resposta, pois depende das outras duas variáveis.
Como o cálculo manual da equação de regressão múltipla é geralmente complexo, o software é usado para resolvê-lo.
O coeficiente de determinação múltiplo é calculado para medir o quão bem a equação se ajusta ao conjunto de dados. Isso significa que as mudanças de temperatura e a quantidade total de tempo praticado podem explicar 97% da variação no consumo de água.
No entanto, à medida que mais variáveis são usadas, R2 geralmente aumenta.
Nesses casos, é calculado o coeficiente de determinação ajustado, que leva em conta o tamanho da amostra e o número de variáveis preditoras.
A regressão múltipla avalia uma relação linear entre uma resposta ou variável dependente e duas ou mais variáveis independentes. Tem muitas aplicações práticas.
Os agricultores podem utilizar a regressão múltipla para determinar o rendimento da colheita com base em mais de um factor, tal como disponibilidade de água, fertilizantes, propriedades do solo, etc. Aqui, o rendimento da colheita é a resposta ou variável dependente, uma vez que depende de outras variáveis independentes. A análise requer a construção de um gráfico de dispersão seguido de uma equação de regressão linear múltipla para calcular o coeficiente de determinação múltiplo, R^2. Suponha que o valor de R^2 seja 96%; pode-se interpretar que as diferentes combinações de água e fertilizante explicam 96% da variação no rendimento das culturas.
Porém, o valor de R^2 aumenta com o número de variáveis independentes. Assim, um coeficiente de determinação ajustado que leva em conta ambos – o tamanho da amostra e o número de variáveis – é usado durante a análise.
A regressão múltipla é uma ferramenta estatística utilizada para analisar a relação entre mais de duas variáveis.
A regressão múltipla pode ser modelada em uma equação simples que estima a relação linear entre a resposta ou variável dependente, com mais de um preditor ou variáveis independentes.
Por exemplo, o consumo de água dos atletas está positivamente correlacionado com a temperatura e a quantidade total de tempo praticado.
Aqui, a temperatura e a quantidade total de tempo praticada são as variáveis preditoras que podem ser definidas independentemente. O consumo de água é a variável de resposta, pois depende das outras duas variáveis.
Como o cálculo manual da equação de regressão múltipla é geralmente complexo, o software é usado para resolvê-lo.
O coeficiente de determinação múltiplo é calculado para medir o quão bem a equação se ajusta ao conjunto de dados. Isso significa que as mudanças de temperatura e a quantidade total de tempo praticado podem explicar 97% da variação no consumo de água.
No entanto, à medida que mais variáveis são usadas, R2 geralmente aumenta.
Nesses casos, é calculado o coeficiente de determinação ajustado, que leva em conta o tamanho da amostra e o número de variáveis preditoras.
From Chapter 11:
Now Playing
11.10 : Regressão Múltipla
Correlação e Regressão
3.6K Views
11.1 : Correlação
Correlação e Regressão
12.7K Views
11.2 : Coeficiente de Correlação
Correlação e Regressão
8.0K Views
11.3 : Calculando e Interpretando o Coeficiente de Correlação Linear
Correlação e Regressão
6.7K Views
11.4 : Análise de Regressão
Correlação e Regressão
7.7K Views
11.5 : Pontos Fora da Curva e Pontos Influentes
Correlação e Regressão
5.4K Views
11.6 : Propriedade de Resíduos e Mínimos Quadrados
Correlação e Regressão
7.4K Views
11.7 : Parcelas Residuais
Correlação e Regressão
4.9K Views
11.8 : Variação
Correlação e Regressão
6.5K Views
11.9 : Intervalos de Previsão
Correlação e Regressão
2.6K Views