As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
azão entre a quanti<strong>da</strong>de de variância sistemática e não sistemática. O teste F também segue<br />
esse preceito. Ele é construído sobre a razão entre a melhoria do modelo (SQM) e a diferença<br />
entre o modelo e os <strong>da</strong><strong>dos</strong> observa<strong>dos</strong> (SQR). <strong>As</strong> somas <strong>dos</strong> quadra<strong>dos</strong>, nesse <strong>caso</strong>, são<br />
dependentes <strong>dos</strong> números de observação (quanto maior o número de observação, maior o<br />
resultado <strong>da</strong> soma), então deve-se dividi-las pelos números de observações. O resultado é<br />
chamado de média <strong>dos</strong> quadra<strong>dos</strong> (MQ).<br />
Para trabalhar com a média <strong>da</strong>s somas <strong>dos</strong> quadra<strong>dos</strong> é necessário dividi-la pelos<br />
graus de liber<strong>da</strong>de. Para o SQM os graus de liber<strong>da</strong>de são simplesmente o número de<br />
variáveis no modelo e para o SQR eles são o número de observações menos o número de<br />
parâmetros sendo estima<strong>dos</strong> (número de coeficientes b incluindo a constante). Os resulta<strong>dos</strong><br />
são a média <strong>dos</strong> quadra<strong>dos</strong> do modelo (MQM) e a média <strong>dos</strong> quadra<strong>dos</strong> residuais (MQR).<br />
Pela divisão <strong>da</strong>s médias tem-se a razão F, que é uma medi<strong>da</strong> de quanto o modelo melhorou a<br />
previsão do resultado comparado ao nível de falta de acurácia do modelo, e pode ser<br />
visualizado por:<br />
<br />
<br />
Em um modelo bom, espera-se que o MQM seja grande e o MQR seja pequeno, ou<br />
seja, um bom modelo deve ter uma razão F grande (pelo menos maior que 1) porque o<br />
numerador será maior que o denominador.<br />
Viu-se também que a equação <strong>da</strong> regressão linear tem um coeficiente angular b e ele<br />
representa o grau de angulação <strong>da</strong> reta que representa os <strong>da</strong><strong>dos</strong>. O valor de b representa o<br />
quanto a variável dependente se alterou com uma uni<strong>da</strong>de de mu<strong>da</strong>nça na variável<br />
independente (VI). Se o modelo for ruim, o valor do coeficiente tende a 0, ou seja, não há<br />
relação entre a VD e a VI. Esse é o <strong>caso</strong>, por exemplo, do modelo <strong>da</strong> média, em que quando a<br />
VI mu<strong>da</strong> a VD permanece inaltera<strong>da</strong>. Tem-se então duas consequências para o b = 0, a<br />
primeira de que não há alteração na VD quando a VI mu<strong>da</strong>, a segun<strong>da</strong> é que a reta é<br />
horizontal.<br />
Para analisar se uma VI prevê significantemente um resultado (VD), então o valor b<br />
tende a ter uma diferença significante de 0. Essa hipótese é testa<strong>da</strong> pelo teste t. Essa técnica<br />
testa a hipótese nula de que o valor de b é zero, assim, se ele for significante, ganha-se<br />
confiança na hipótese de que o valor b é significantemente diferente de 0 e que a variável<br />
preditiva (VI) contribui significantemente para a habili<strong>da</strong>de de estimar os valores <strong>da</strong> variável<br />
dependente.<br />
180