Introduo anlise de

correlao e Regresso Linear

 Objetivos de aprendizado
Calcular e interpretar a correlao simples
entre duas variveis
Determinar se a correlao significativa
Calcular e interpretar a equao de regresso
linear simples para um conjunto de dados
Compreender os pressupostos da anlise de
regresso
Determinar se um modelo de regresso
significativo
 Objetivos de aprendizado (continuao)

Calcular e interpretar os intervalos de

confiana para os coeficientes de regresso
Realizar aplicaes da anlise de regresso
para fins de previso e descrio
Identificar em problemas potenciais se anlise
de regresso est sendo usada incorretamente
Identificar relaes no lineares entre duas
variveis
 Grficos de disperso e correlao

Um grfico de disperso (ou diagrama de

disperso) usado para mostrar a relao
entre duas variveis
Anlise de correlao usada para medir a
fora da associao (relao linear) entre duas
variveis
Apenas mede a fora da relao entre as
variveis
Nenhum efeito causal est implcito
 Exemplos de grficos de disperso
Relaes lineares Relaes curvelneas

y y

x x

y y

x x
 Exemplos de grficos de disperso
(continuao)
Relaes fortes Relaes fracas

y y

x x

y y

x x
Exemplos de grficos de disperso
(continuao)
Nenhuma relao

x
Coeficiente de correlao (continuao)

O coeficiente de correlao
populacional (r) mede a fora da
associao entre as variveis
O coeficiente de correlao amostral r
uma estimativa de e usado para
medir a fora da relao linear em
observaes amostrais
Caractersticas de e r

adimensional (independe da unidade de

medida)
Varia entre -1 e 1
Quanto mais perto de -1, mais forte ser a
relao linear negativa
Quanto mais perto de 1, mais forte ser a
relao linear positiva
Quanto mais perto de 0, mais fraca ser a
relao linear
 Exemplos de valores aproximados de r

y y y

x x x
r = -1 r = -.6 r=0
y y

x x
r = +.3 r = +1
 Clculo do coeficiente de correlao
Coeficiente de correlao da amostra:

r
( x x )( y y )
2 2
[ ( x x ) ][ ( y y ) ]

equivalente a:
n xy x y
r
[n( x 2 ) ( x )2 ][n( y 2 ) ( y )2 ]
onde:
r = coeficiente de correlao da amostra
n = Tamanho da amostra
x = Valor da varivel independente
y = Valor da varivel dependente
Exemplo de clculo

Consumo Renda
(em R$) (em mil R$)

y x xy y2 x2
35 8 280 1225 64
49 9 441 2401 81
27 7 189 729 49
33 6 198 1089 36
60 13 780 3600 169
21 7 147 441 49
45 11 495 2025 121
51 12 612 2601 144
=321 =73 =3142 =14111 =713
 Exemplo de clculo (continuao)

n xy x y
Y (Consumo) r
70
[n( x 2 ) ( x)2 ][n( y 2 ) ( y)2 ]
60

8(3142) (73)(321)
50
40
[8(713) (73) 2 ][8(14111) (321) 2 ]
30

0.886
20

10

0
r = 0.886 relativamente forte e
0 2 4 6 8 10 12 14
positiva a associao linear entre x e y
(Renda) x
 Sada do Excel
Sada de correlao do Excel
Ferramentas / anlise de dados / correlao

Consumo Renda
Consumo 1
Renda 0,886231 1

Correlao entre consumo e renda

Teste de significncia para correlao

Hipteses
H0: = 0 (no h correlao)
HA: 0 (existe correlao)

Estatstica de teste

r
t
(com n-2 graus de liberdade)
2
1 r
n2
Exemplo: Consumo e Renda
H evidncia de uma relao linear entre
consumo e renda ao nvel de significncia de 5%?

H0: = 0 (No h correlao)

H1: 0 (Existe correlao)
a =.05 , gl = 8 - 2 = 6

r .886
t 4.68
1 r 2 1 .886 2
n2 82
 Exemplo: Consumo e Renda

r .886 Deciso:
t 4.68
1 r 2 1 .886 2 Rejeitar H0

n2 82 Concluso:
H evidncia de
gl = 8-2 = 6
uma relao linear
ao nvel de
a/2=.025 a/2=.025
significncia de 5 %

Rejeita H0 No rejeita H0 Rejeita H0

-t/2 t/2
-2.4469 2.4469
4.68
Introduo anlise de regresso

Anlise de regresso usada para:

Prever o valor de uma varivel dependente com
base no valor de pelo menos uma varivel
independente
Explicar o impacto das alteraes em uma
varivel independente sobre a varivel
dependente
Varivel dependente: a varivel que queremos
explicar
Varivel independente: a varivel usada para
explicar a varivel dependente
 Modelo de regresso Linear simples

Apenas uma varivel independente, x

A relao entre x e y descrita por uma
funo linear
Alteraes em y supe-se serem causadas
por alteraes em x
 Tipos de modelos de regresso
Relao Linear positiva Relao no Linear

Relao Linear negativa Nenhuma relao

 O Modelo de Regresso Linear
Populacional

Coeficiente Termo de
Intercepto Varivel
de inclinao erro aleatrio,
populacional independente
populacional ou residual
Varivel
dependente

y 0 1x
Componente linear Componente de
erro aleatrio
Hipteses do modelo de regresso linear

Os erros () so estatisticamente
independentes
Os erros so normalmente distribudos para
qualquer determinado valor de x
A distribuio de probabilidade dos erros
normal
A distribuio de probabilidade dos erros tem
varincia constante
A relao entre x e y linear
 Testes para verificao das hipteses do
modelo de regresso linear

Testes de Kolmogorov-Smirnov, Doornik-Hansen

e Jarque-Bera (normalidade dos resduos)
Testes de Durbin-Watson e de Breusch-Godfrey
(autocorrelao dos resduos)
Testes de White e de Breusch-Pagan
(heterocedasticidade)
Teste RESET de Ramsey (especificao do
modelo)
 O Modelo de Regresso Linear
(continuao)

y y 0 1x
Valor observado
de y para xi

i Inclinao = 1
Valor previsto
de y para xi Erro aleatrio para
este valor de x

Intercepto = 0

xi x
 O modelo de regresso estimado
A regresso com base na amostra fornece uma
estimativa da reta de regresso da populao.

Valor Estimativa do Estimativa da

estimado (ou intercepto da inclinao da
previsto) de Y regresso regresso
Varivel

y i b0 b1x independente

Os erros aleatrios ei tm mdia igual a zero

 Mtodo dos mnimos quadrados

b0 e b1 so obtidos encontrando-se
os valores de b0 e b1 que minimize a
soma dos quadrados dos resduos

2 2

e (y y)
2
(y (b 0 b1x))
As equaes de mnimos quadrados

As frmulas para b1 e b0 so:

b1
( x x )( y y )
e b0 y b1 x
2
(x x)
equivalente a:

n xy x y
b1
n x 2 ( x) 2
 Interpretao da inclinao e do intercepto

b0 o valor mdio estimado de y

quando o valor de x zero

b1 a variao estimada no valor

mdio de y como resultado de uma
unidade de variao em x
 Determinando as equaes de mnimos
quadrados

Os coeficientes b0 e b1 so usualmente
determinados usando a HP 12C, Excel ou
pacotes estatsticos, como STATISTICA e
SPSS, disponveis no Labefin da UP.

Outras medidas de regresso tambm

sero calculadas utilizando o computador.
 Exemplo de regresso Linear simples

Um agente imobilirio pretende examinar a

relao entre o preo de venda de um ap e seu
tamanho (medido em metros quadrados)
Uma amostra aleatria de 10 apartamentos
selecionada.
Varivel dependente (y) = preo do ap em
R$1.000,00
Varivel independente (x) = metros quadrados
Dados amostrais para o modelo do preo do
apartamento
Preo do ap Metro quadrado
(em mil R$)
(y) (x)
245 140,0
312 160,0
279 170,0
308 187,5
199 110,0
219 155,0
405 235,0
324 245,0
319 142,5
255 170,0
 Regresso usando o Excel
Ferramentas / Anlise de dados /Regresso
 Sada do Excel

A equao de regresso estimada :

preo 98,24833 1,0977 (metro quadrado)

RESUMO DOS RESULTADOS

Estatstica de regresso
R mltiplo 0,762113713
R-Quadrado 0,580817312
R-quadrado ajustado 0,528419476
Erro padro 41,33032365
Observaes 10

ANOVA
gl SQ MQ F F de significao
Regresso 1 18934,93478 18934,93478 11,08475762 0,010394016
Resduo 8 13665,56522 1708,195653
Total 9 32600,5

Coeficientes Erro padro Stat t valor-P Inferior 95,0% Superior 95,0%

Interseo 98,24832962 58,03347858 1,692959513 0,128918812 -35,57711186 232,0737711
Metro quadrado 1,097677378 0,329694433 3,329377962 0,010394016 0,337400654 1,857954103
 Representao grfica

Regresso estimada e diagrama de disperso

450
400
350 Inclinao
300
Preo

250 = 1,0977
200
150
100
50
0
Intercepto 0 100 200 300
Metro quadrado
= 98,248

preo 98,24833 1,0977 (metro quadrado)

 Interpretao do intercepto, b0

preo 98,24833 1,0977 (metro quadrado)

b0 o valor mdio estimado de y quando

o valor de x zero
Neste exemplo, nenhum ap tem zero metros
quadrados, assim b0 = 98,24833 significa a poro
do preo do apartamento que no explicada pelo
metro quadrado (ou que independe do metro
quadrado). Neste caso, R$ 98.248,33.
 Interpretao do coeficiente de
inclinao, b1

preo 98,24833 1,0977 (metro quadrado)

b1 mede a variao estimada do valor mdio de

y como resultado de uma unidade de variao
em x.
Neste caso, b1 = 1,0977 nos diz que o preo
de um apartamento aumenta, em mdia,
R$ 1097,70 = 1,0977*(R$1.000,00) , para
cada metro quadrado adicional de tamanho.
 Propriedades da regresso de mnimos
quadrados

A soma dos resduos zero, isto : ( y y ) 0 .

A soma dos quadrados dos resduos mnimo, ou
seja: ( y y ) 2 mnimo.
A linha de regresso sempre passa pela mdia da
varivel y e pela mdia da varivel x.
Os coeficientes de mnimos quadrados so estimativas
no viesadas dos coeficientes 0 e 1.
 Variao explicada e no explicada

A variao total composta de duas partes:

VT VE VR
Variao Variao Explicada Variao No Explicada pela
Total pela regresso regresso (ou residual)

VT ( y y ) 2 VE ( y y ) 2 VR ( y y ) 2
onde:
y = Valor mdio da varivel dependente
y = Valores observados da varivel dependente
y = Valor estimado de y para um dado valor de x
 Variao explicada e no explicada
(continuao)

VT = soma de quadrados total

Mede a variao dos valores de yi em torno de sua
mdia.
VR = soma dos quadrados dos erros
Variao atribuda a outros fatores no explicados
pela relao entre x e y.
VE = soma de quadrados da regresso
Variao explicada pela regresso linear entre x e y.
 Variao explicada e no explicada
(continuao)
y
yi
2 y
VR = (yi - yi )
_
VT = (yi - y)2

y _2
_ VE = (yi - y) _
y y

Xi x
 Coeficiente de Determinao, R2

O coeficiente de determinao a parcela da

variao de Y explicada pela variao de X.

O coeficiente de determinao tambm

chamado de R-quadrado representado por R2 .

2 VE onde 2
R 0 R 1
VT
 Coeficiente de Determinao, R2
(continuao)

Coeficiente de determinao

2 VE soma de quadrados explicada pela regresso

R
VT soma de quadrados total

Nota: No caso de uma nica varivel independente, o coeficiente

de determinao o quadrado do coeficiente de correlao.

2 2
onde:
R r
R2 = Coeficiente de determinao
r = Coeficiente de correlao simples
 Exemplos de valores aproximados de R2

y
R2 = 1

Relao linear perfeita entre

x e y:
x
R2 = 1
y 100% da variao de y
explicada pela variao de x

x
R2 = +1
 Exemplos de valores aproximados de R2

y
0 < R2 < 1

Relao linear mais fraca

entre x ey:
x
Alguma variao de y
y
explicada pela variao de x

x
 Exemplos de valores aproximados de R2

R2 = 0
y
No h relao linear entre
x e y:

O valor de y no depende
x de x. (Nenhum parcela da
R2 = 0
variao de y explicada
pela variao de x)
 Sada do Excel

VE 18934,9348
RESUMO DOS RESULTADOS R2 0,58082
VT 32600,5000
Estatstica de regresso
R mltiplo 0,762113713
R-Quadrado 0,580817312 58,08% da variao do preo
R-quadrado ajustado 0,528419476 do ap explicado pela
Erro padro 41,33032365
variao do metro quadrado
Observaes 10

ANOVA
gl SQ MQ F F de significao
Regresso 1 18934,93478 18934,93478 11,08475762 0,010394016
Resduo 8 13665,56522 1708,195653
Total 9 32600,5

Coeficientes Erro padro Stat t valor-P Inferior 95,0% Superior 95,0%

Interseo 98,24832962 58,03347858 1,692959513 0,128918812 -35,57711186 232,0737711
Metro quadrado 1,097677378 0,329694433 3,329377962 0,010394016 0,337400654 1,857954103
 Erro padro da estimativa

O erro-padro da estimativa mede o grau de

disperso entre os valores observados e os
estimados de y. calculado pela frmula:

VR
s
nk
onde:
VR = Variao residual
n = Tamanho da amostra
k = Nmero de parmetros estimados no modelo
 O desvio-padro do coeficiente angular
de regresso

O erro padro do coeficiente de inclinao de

regresso (b1) estimado por:

s s
sb1
2 2
(x x) 2 (
x n x)

onde:
sb1 = Estimativa do erro-padro do coeficiente b 1

VR
s = Erro padro de estimativa
n2
 Sada do Excel

s 41,33032
RESUMO DOS RESULTADOS

Estatstica de regresso
R mltiplo
R-Quadrado
0,762113713
0,580817312
sb1 0,32969
R-quadrado ajustado 0,528419476
Erro padro 41,33032365
Observaes 10

ANOVA
gl SQ MQ F F de significao
Regresso 1 18934,93478 18934,93478 11,08475762 0,010394016
Resduo 8 13665,56522 1708,195653
Total 9 32600,5

Coeficientes Erro padro Stat t valor-P Inferior 95,0% Superior 95,0%

Interseo 98,24832962 58,03347858 1,692959513 0,128918812 -35,57711186 232,0737711
Metro quadrado 1,097677378 0,329694433 3,329377962 0,010394016 0,337400654 1,857954103
 Comparando os erros-padro

Variao dos valores observados Variaes nas inclinaes das retas

de y na linha de regresso de regresso de diferentes amostras
y y

pequeno s x pequeno sb1 x

y y

grande s x grande sb1 x

 Inferncia sobre o coeficiente de
inclinao: teste t de Student

Teste t para a inclinao populacional

Existe uma relao linear entre x e y?
Hipteses nula e alternativa
H0: 1 = 0 (nenhuma relao linear)
H1: 1 0 (existe relao linear)
Estatstica de teste onde:
b1 = Coeficiente de inclinao
b1 1 da amostra
t
sb1 1 = inclinao hipottica
sb1 = Estimador do erro
padro do coeficiente de
gl n 2 inclinao
 Inferncia sobre o coeficiente de
inclinao: teste t de Student
(continuao)

Equao de regresso estimada:

Preo do ap Metro
(em mil R$) quadrado
(y) (x) preo do ap 98,25 1,098 (m2 )
245 140,0
312 160,0
279 170,0 A inclinao deste modelo 1,098
308 187,5 O metro quadrado do apartamento
199 110,0
afeta o preo de venda?
219 155,0
405 235,0
324 245,0
319 142,5
255 170,0
 Inferncias sobre a inclinao: teste t

Estatstica de teste: t = 3.329

Sada do Excel: b1 sb1 t
H0: 1 = 0
H1: 1 0 Coeficientes Erro padro Estat t Valor p

Intercepto 98.24833 58.03348 1.6929 0.12892

gl = 10-2 = 8 Metro
quadrado 1.0977 0.32969 3.3293 0.01039

a/2=.025 a/2=.025
Deciso: Rejeitar H0
Concluso:
RejeitarH0
-t/2
No rejeitar H0
t/2
Rejeitar H
0 Existe evidncia suficiente que
0
-2.3060 2.3060 3.329 o metro quadrado afeta o preo
do apartamento
 Resultados da anlise de regresso

Estimativa do intervalo de confiana da inclinao:

b1 t a/2 sb1 gl = n - 2

Sada do Excel para o preo do apartamento:

Inferior Superior
Coeficientes Erro padro Estat t Valor p 95% 95%

Intercepto 98.24833 58.03348 1.69296 0.12892 -35.57711 232.07377

Metro
quadrado 1.0977 0.32969 3.32938 0.01039 0.33740 1.85795

O intervalo de confiana 95% para a inclinao :

(0,3374 a 1,8579)
 Resultados da anlise de regresso

Inferior Superior
Coeficientes Erro padro Estat t Valor p 95% 95%
Intercepto 98.24833 58.03348 1.69296 0.12892 -35.57711 232.07377
Metro
quadrado 1.0977 0.32969 3.32938 0.01039 0.33740 1.85795

Como o preo do ap est em R$ 1.000,00, existe

95% de confiana que o mpacto mdio no preo
de venda est entre R$ 337,40 e R$ 1.857,95 por
metro quadrado adicional.

Este intervalo de confiana de 95 % no inclui o valor 0.

Concluso: H uma relao significativa entre o preo do
apartamento e metro quadrado, ao nvel de significncia de 5%.
 Intervalo de confiana para a mdia
de y, dado x

Estimativa do intervalo de confiana para a

mdia de y dado um particular valor de x
Tamanho do intervalo varia de acordo
com a distncia da mdia, x

2
1 (x x)
y ta/2s
n (x x)2
Intervalo de confiana para um valor
Individual de y, dado x

Estimativa do intervalo de confiana para um valor

Individual de y dado um particular valor de x

2
1 (x x)
y ta/2s 1
n (x x)2

Este termo extra adicionado ao intervalo reflete a

incerteza referente a um caso individual
 Intervalos de confiana para diferentes
valores de x

Intervalo de previso
para um valor
y individual de y, dado x

Intervalo de
confiana
para a mdia
de y, dado x

x
x x
 Exemplo: Preos do apartamento

Preo do Ap Metro Equao de regresso estimada:

(em mil R$) quadrado
(y) (x) Preo Ap 98,25 1,098 (m2 )
245 140,0
312 160,0
279 170,0 Qual o preo de um Ap com
308 187,5
200 metros quadrados?
199 110,0
219 155,0
405 235,0
324 245,0
319 142,5
255 170,0
 Exemplo: Preos do apartamento
(continuao)

Para estimar o preo de um Ap

com 200 metros quadrados:
2
preo Ap 98,25 1,098 (m )
98,25 1,098(200)
317,85

O preo estimado para um Ap com 200

metros quadrados 317,85 (R$1.000,00) =
R$ 317.850,00
 Exemplo de estimativa do valor
mdio de Y

Intervalo de confiana para o valor mdio de Y

Encontre o intervalo de confiana de 95% para o

preo mdio de Ap com 200 metros quadrados

Preo estimado Yi = 317,85 (R$1.000,00)

1 (x x)2
y t /2s 317,85 37,12
n (x x)2

Os limites do intervalo de confiana so 280,73 354,97,

ou de R$ 280.730,00 a R$ 354.970,00
 Exemplo de estimativa do valor
individual de Y

Intervalo de previso para um valor individual de Y

Encontre o intervalo de confiana de 95% para um

Ap individual com 200 metros quadrados

Preo estimado Yi = 317,85 (R$1.000,00)

1 (x x)2
y t /2s 1 317,85 102,28
n (x x) 2

Os limites do intervalo de previso so 215,57 420,13,

ou de R$ 215.570,00 a R$ 420.130,00
 Anlise residual

Propsitos
Examinar a suposio de linearidade
Examinar se a varincia constante para
todos os nveis do x
Avaliar a suposio de normalidade

Anlise grfica dos resduos

Plotar os resduos versus X
Criar histograma dos resduos para
verificar normalidade
 Anlise residual para linearidade

y y

x x
resduos

x resduos x

No Linear
Linear
 Anlise dos resduos para varincia
constante

y y

x x
resduos

x resduos x

Varincia no-constante Varincia constante

 Sada do Excel

RESULTADOS DE
RESDUOS
m2 Plotagem de resduos
Observao Previsto(a) preco Resduos 80

1 251,9231626 -6,923162584 60
2 273,8767101 38,12328985
40
3 284,8534839 -5,853483933

Resduos
4 304,0628381 3,937161947 20
5 218,9928412 -19,99284123
0
6 268,3883233 -49,38832326 0,0 50,0 100,0 150,0 200,0 250,0 300,0
7 356,2025135 48,79748648 -20
8 367,1792873 -43,17928731
-40
9 254,667356 64,33264397
10 284,8534839 -29,85348393 -60
m2
Regresso usando o Statistica
Regresso usando o Statistica
Regresso usando o Statistica
Regresso usando o Statistica
Regresso usando o Statistica
Sada do Statistica:
Coeficiente de determinao e parmetros
estimados do modelo linear

Summary
Statistic Statistics; DV:
preco
(preco_ap)
Value
Multiple R 0,762113713
Multiple R 0,580817312
Adjusted R 0,528419476
F(1,8) 11,0847576
p 0,0103940163
Std.Err. of Estimate 41,3303237

Regression Summary for Dependent Variable: preco (preco_ap)

N=10 R= ,76211371 R= ,58081731 Adjusted R= ,52841948
F(1,8)=11,085 p<,01039 Std.Error of estimate: 41,330

b* Std.Err. b Std.Err. t(8) p-value

of b* of b

Intercept 98,24833 58,03348 1,692960 0,128919

m2 0,762114 0,228906 1,09768 0,32969 3,329378 0,010394
Sada do Statistica:
Quadro da Anlise da Varincia - ANOVA

Analysis of Variance; DV: preco (preco_ap)

Effect
Sums of df Mean F p-value
Squares Squares

Regress. 18934,93 1 18934,93 11,08476 0,010394

Residual 13665,57 8 1708,20

Total 32600,50
Sada do Statistica:
Intervalos de confiana para as estimativas

Predicting Values for (preco_ap)

Variable variable: preco

b-Weight Value b-Weight

* Value

m2 1,097677 200,0000 219,5355

Intercept 98,2483
Predicted 317,7838
-95,0%CL 280,6643
+95,0%CL 354,9033

Predicting Values for (preco_ap)

Variable variable: preco
b-Weight Value b-Weight
* Value
m2 1,097677 200,0000 219,5355
Intercept 98,2483
Predicted 317,7838
-95,0%PL 215,5026
+95,0%PL 420,0650
 Sada do Statistica:
Anlise dos resduos

Predicted & Residual Values (preco_ap)

Case No. Dependent variable: preco
Observed Predicted Residual Standard Standard Std.Err. Mahalanobis
Value Value Pred. v. Residual Pred.Val Distance

1 245,0000 251,9232 -6,9232 -0,75383 -0,16751 16,69358 0,568263

2 312,0000 273,8767 38,1233 -0,27521 0,92240 13,60863 0,075740
3 279,0000 284,8535 -5,8535 -0,03590 -0,14163 13,07915 0,001289
4 308,0000 304,0628 3,9372 0,38290 0,09526 14,09420 0,146612
5 199,0000 218,9928 -19,9928 -1,47177 -0,48373 24,12352 2,166099
6 219,0000 268,3883 -49,3883 -0,39486 -1,19497 14,15672 0,155918
7 405,0000 356,2025 48,7975 1,51963 1,18067 24,68033 2,309275
8 324,0000 367,1793 -43,1793 1,75894 -1,04474 27,53245 3,093875
9 319,0000 254,6674 64,3326 -0,69400 1,55655 16,19367 0,481642
10 255,0000 284,8535 -29,8535 -0,03590 -0,72231 13,07915 0,001289
Minimum 199,0000 218,9928 -49,3883 -1,47177 -1,19497 13,07915 0,001289
Maximum 405,0000 367,1793 64,3326 1,75894 1,55655 27,53245 3,093875
Mean 286,5000 286,5000 -0,0000 -0,00000 -0,00000 17,72414 0,900000
Median 293,5000 279,3651 -6,3883 -0,15555 -0,15457 15,17519 0,318780
 Sada do Statistica:
Anlise dos resduos

Raw residuals vs. m2

Raw residuals = -,9E-6 + 0,0000 * m2
Correlation: r = -,4E-8
80

60

40
Raw residuals

20

-20

-40

-60
100 120 140 160 180 200 220 240 260

m2 0,95 Conf.Int.
 Sada do Statistica:
Anlise dos resduos

Normal Probability Plot of Residuals

2,0

1,5

1,0
Expected Normal Value

0,5

0,0

-0,5

-1,0

-1,5

-2,0
-60 -40 -20 0 20 40 60 80

Residuals
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL
Regresso usando o GRETL