São vários os procedimentos para a busca do “subconjunto óti...
Próximas questões
Com base no mesmo assunto
Q3266532
Estatística
São vários os procedimentos para a busca do “subconjunto ótimo” de variáveis, na ausência da ortogonalidade, para
obter uma equação de estimação adequada que relaciona
uma variável Y a todas ou a um subconjunto de variáveis
independentes. Considere o seguinte procedimento:
PASSO 1: Escolha a variável que fornece a maior soma de quadrados da regressão em regressão linear simples com Y ou, de maneira equivalente, que forneça o maior valor de R2. Chamaremos essa variável inicial de X1.
PASSO 2: Escolha a variável que, quando inserida no modelo, fornece o maior aumento em R2, na presença de X1, sobre o valor de R2 encontrado no passo 1, isto é, a variável Xj para a qual:
R(βj |β1) = R(β1, βj) – R(β1)
é maior. Vamos chamá-la de variável X2. O modelo de regressão com X1 e X2 é, então, ajustado e R2 é observado.
PASSO 3: Escolha a variável Xj que fornece o maior valor de:
R(βj |β1, β2) = R(β1, β2, βj) – R(β1, β2),
resultando novamente em um aumento em R2 sobre aquele dado no PASSO 2. Ao chamar essa variável de X3, agora temos um modelo de regressão que envolve X1, X2 e X3. Esse processo é continuado até que a variável inserida mais recentemente falhe ao produzir um aumento significativo na regressão explicada. Tal aumento pode ser determinado em cada passo, devendo-se usar o teste F (ou t) apropriado.
Por exemplo, no PASSO 2, o valor:
pode ser determinado para testar a adequação de X2
no modelo. De maneira similar, no PASSO 3 a razão: 
testa a adequação de X3
no modelo.
Se f < f(1, n-3; α) no PASSO 2, para um nível de significância preestabelecido, X2 não é incluído e o processo é encerrado, resultando em uma equação linear simples que relaciona Y e X1.
Contudo, se f >f(1, n-3; α) deve-se seguir para o PASSO 3. Novamente, se f < f(1, n-4; α) no PASSO 3, X3 não é incluído e o processo é encerrado com a equação de regressão apropriada que contém as variáveis X1 e X2.
Notações utilizadas:
R2 é o coeficiente de determinação do modelo de regressão;
R(.) é a soma dos quadrados do modelo de regressão em questão;
βj é o coeficiente do modelo de regressão que acompanha a variável Xj;
A notação ‘|’ indica a probabilidade condicional;
é o quadrado do erro médio para o modelo que
contém as variáveis X1 e X2;
é o quadrado do erro médio para o modelo que
contém as variáveis X1, X2 e X3.
Essa descrição se refere ao método de seleção de variáveis:
PASSO 1: Escolha a variável que fornece a maior soma de quadrados da regressão em regressão linear simples com Y ou, de maneira equivalente, que forneça o maior valor de R2. Chamaremos essa variável inicial de X1.
PASSO 2: Escolha a variável que, quando inserida no modelo, fornece o maior aumento em R2, na presença de X1, sobre o valor de R2 encontrado no passo 1, isto é, a variável Xj para a qual:
R(βj |β1) = R(β1, βj) – R(β1)
é maior. Vamos chamá-la de variável X2. O modelo de regressão com X1 e X2 é, então, ajustado e R2 é observado.
PASSO 3: Escolha a variável Xj que fornece o maior valor de:
R(βj |β1, β2) = R(β1, β2, βj) – R(β1, β2),
resultando novamente em um aumento em R2 sobre aquele dado no PASSO 2. Ao chamar essa variável de X3, agora temos um modelo de regressão que envolve X1, X2 e X3. Esse processo é continuado até que a variável inserida mais recentemente falhe ao produzir um aumento significativo na regressão explicada. Tal aumento pode ser determinado em cada passo, devendo-se usar o teste F (ou t) apropriado.
Por exemplo, no PASSO 2, o valor:
pode ser determinado para testar a adequação de X2
no modelo. De maneira similar, no PASSO 3 a razão: testa a adequação de X3
no modelo. Se f < f(1, n-3; α) no PASSO 2, para um nível de significância preestabelecido, X2 não é incluído e o processo é encerrado, resultando em uma equação linear simples que relaciona Y e X1.
Contudo, se f >f(1, n-3; α) deve-se seguir para o PASSO 3. Novamente, se f < f(1, n-4; α) no PASSO 3, X3 não é incluído e o processo é encerrado com a equação de regressão apropriada que contém as variáveis X1 e X2.
Notações utilizadas:
R2 é o coeficiente de determinação do modelo de regressão;
R(.) é a soma dos quadrados do modelo de regressão em questão;
βj é o coeficiente do modelo de regressão que acompanha a variável Xj;
A notação ‘|’ indica a probabilidade condicional;
é o quadrado do erro médio para o modelo que
contém as variáveis X1 e X2; é o quadrado do erro médio para o modelo que
contém as variáveis X1, X2 e X3. Essa descrição se refere ao método de seleção de variáveis:
Conheça nossos planos