Pular para o conteúdo principal

Questão de Estatística — Outros Tópicos sobre Regressão (Estatística) — VUNESP 2024

EstatísticaOutros Tópicos sobre Regressão (Estatística)
Código
vu203052
Banca
VUNESP
Órgão
EsFCEx
Ano
2024
Cargo
CFO/QC ( )
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: f = R(β2 | β1)/s1,2 2 pode ser determinado para testar a adequação de X2 no modelo. De maneira similar, no PASSO 3 a razão: f = R(β3 | β1, β2 )/s1,2,3 2 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;    s1,2 2 é o quadrado do erro médio para o modelo que contém as variáveis X1 e X2;    s1,2,3 2 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:
  1. AForward (‘para frente’).
  2. BLasso bayesiano (BLASSO).
  3. CMulticolinearidade.
  4. DBootstrap.
  5. EBackward (‘para trás’).
Revelar gabarito e comentário

GabaritoA — Forward (‘para frente’).

Link permanente: /questoes/vu203052