GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
56<br />
Desta forma, deve-se utilizar uma variável diferente para avaliar adequadamente a<br />
qualidade da regressão sendo realizada, o R 2 ajustado.<br />
Equação 17: R 2 ajustado<br />
R<br />
2<br />
= 1-<br />
( 1-<br />
R<br />
2<br />
)<br />
( n -1)<br />
( n - k -1)<br />
Onde n é o número de observações e k é o número de variáveis explanatórias incluídas<br />
no modelo.<br />
Assim, quanto maior for o R 2 ajustado encontrado, melhor é a qualidade da regressão<br />
realizada.<br />
A seguir é apresentado um fluxograma sugerido por Makridakis (1998) para seleção<br />
de variáveis para o modelo de regressão múltipla:<br />
Brainstorm<br />
com<br />
especialistas<br />
Formar “long<br />
list” de<br />
possíveis<br />
variáveis<br />
Reduzir para<br />
“short list”<br />
Stepwise regression<br />
Retirar variáveis com<br />
multicolinearidade<br />
Fazer regressão de Y<br />
com todas as variáveis<br />
e retirar aquelas com<br />
t-value muito baixo<br />
Retirar variáveis com<br />
baixo relacionamento<br />
direto com Y<br />
Figura 6: Escolha de variáveis para regressão múltipla<br />
Definir modelo<br />
Definir<br />
parâmetros do<br />
modelo<br />
Um dos métodos mais interessantes e recomendados para formar a short list de<br />
variáveis explanatórios é o Stepwise Regression. Existem 3 formas de fazê-lo (stepwise<br />
forward regression, stepwise backward regression e stepwise forward-with-a-backward-look