GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
GUSTAVO MODENESI MODELO DE PREVISÃO DE ... - PRO - USP
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
egression). Por ser o que, de acordo com Makridakis (1998), apresenta os melhores<br />
resultados, este trabalho utiliza o Stepwise forward-with-a-backward-look regression, cuja<br />
metodologia é apresentada abaixo.<br />
Encontrar a melhor variável única (X 1* )<br />
Encontrar o melhor par de variáveis (X 1* eX eX2*) 2*)<br />
Encontrar a melhor trinca de variáveis (X 1* ,X 2* eX eX3*) 3*)<br />
Alguma variável<br />
deve ser retirada - backward look?<br />
(X2* e X3* podem ter um R2 Alguma variável<br />
deve ser retirada - backward look?<br />
(X2* e X3* podem ter um R<br />
ajustado melhor do que X1* , X2* e<br />
X3*)<br />
2<br />
ajustado melhor do que X1* , X2* e<br />
X3*)<br />
Sim<br />
Retirar variável Não retirar variável<br />
R2 R ajustado<br />
insatisfatório<br />
2 ajustado<br />
insatisfatório<br />
Continuar processo?<br />
Não<br />
R2 R ajustado<br />
satisfatório<br />
2 ajustado<br />
satisfatório<br />
Incluir nova variável Concluir processo<br />
Figura 7: Stepwise forward-with-a-backward-look regression<br />
Um grande problema encontrado em regressões múltiplas é o de multicolinearidade de<br />
variáveis explanatórias. Ou seja, quando tem-se uma variável explanatória com alta correlação<br />
com outra, ou mesmo com uma combinação linear de outras, a regressão fica inválida. Desta<br />
forma, é extremamente importante se avaliar, a priori, se as variáveis são independentes entre<br />
si.<br />
57
Change language