GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP

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