A regressão linear é uma metodologia desenvolvida a partir da estatística e da econometria. Este método serve para avaliar os efeitos que outras variáveis causam sobre uma variável analisada. A relação parte de uma variável de interesse (dependente) com outras que a possam influenciar.
Quando consideramos os efeitos de duas ou mais variáveis independentes sobre uma variável dependente, utilizamos a análise de regressão múltipla. Quando vamos estudar uma única variável independente (geralmente a mais importante) sobre uma variável dependente, chamamos de regressão simples.
Como eu interpreto os valores-P na Análise de regressão linear? O valor-p para cada termo testa a hipótese nula de que o coeficiente é igual a zero (sem efeito). Um valor-p baixo (< 0,05) indica que você pode rejeitar a hipótese nula.
Regressão linear: o que significa? A análise de regressão linear gera uma equação que descreve a relação estatística entre uma ou mais variáveis preditoras e a variável resposta. A regressão linear encontra a linha que melhor representa as variáveis de entrada com a variável de saída.
Figura 1: Estruturar a tabela de dados no Excel, ir ao menu dados e clicar em análise de dados. Figura 2: Selecionar regressão. Figura 3: Selecionar o intervalo de dados desejado para as variáveis X e para as variáveis Y. Figura 4: Selecionar o nível de confiança de 95%, plotar resíduos e plotar a probabilidade normal.
Habilitar a Análise de Dados
Correlação
Traduzindo para uma linguagem um pouco mais simples significa que não se deve calcular o desvio padrão de uma carteira simplesmente por somar ou obter a média dos desvios de cada ativo isoladamente. ... Isso acontece porque há uma correlação entre as movimentações de diversos ativos financeiros.
No mundo das finanças, correlação é uma medida estatística para medir a forma como dois ativos se movimentam, um em relação ao outro. Quando os preços de dois ativos movimentam-se de forma similar, na mesma direção, usualmente, diz-se que eles são correlacionados.
O objetivo do estudo da correlação é determinar (mensurar) o grau de relacionamento entre duas variáveis. Caso os pontos das variáveis, representados num plano cartesiano (X, Y) ou gráfico de dispersão, apresentem uma dispersão ao longo de uma reta imaginária, dizemos que os dados apresentam uma correlação linear.
Gráfico 4: Relação não linear Se uma relação entre duas variáveis não é linear, a taxa de aumento ou diminuição pode mudar como uma mudança de variáveis, causando um "padrão curvo" nos dados.
O valor de p indica se o coeficiente de correlação é significativamente diferente de 0. (Um coeficiente de 0 indica que não existe uma relação linear). Se o valor p for menor ou igual ao nível de significância, é possível concluir que a correlação é diferente de 0.
Uma correlação positiva indica que as duas variáveis movem juntas, e a relação é forte quanto mais a correlação se aproxima de um. Uma correlação negativa indica que as duas variáveis movem-se em direções opostas, e que a relação também fica mais forte quanto mais próxima de menos 1 a correlção ficar.
Enquanto a correlação de Pearson avalia relações lineares, a correlação de Spearman avalia relações monótonas, sejam elas lineares ou não. Se não houver valores de dados repetidos, uma correlação de Spearman perfeita de +1 ou -1 ocorre quando cada uma das variáveis é uma função monótona perfeita da outra.