Análise de Regressão: Relação entre Diluídade do CEO e Preço do Aço

Y X1 LnY X1² X1 x LnY Ŷ xŶ² lnYȲ² Os dados também podem ser calculados pelos fórmulas β1 n ΣXiYi ΣYiΣKi n ΣKi² ΣKi² B coeficiente de determinização R² R² 1 SQRRSQRT 1 Σyi ŷi²Σyi ŷ² R² 1 48725639 R² 0136 Aproximadamente 136 da variabilidade do preço do aço é explicada pela variabilidade da diluídade do CEO C Nível de confiança 95 α 005 H0 β1 0 Hα β1 0 tc β1s²Σxi x² s² Σû²m k û yi ŷ n k 8 2 6 s² 4872 s² 0812 obs Ȳ é LnXi Tc 0619 Tc 097208122 Tabela t graus de liberdade n k 6 α 005 Tc 2447 Região H0 se Tcalc Ttabela 0972 2447 Concluímos com 95 de confiança que não rejeitamos a regia H0 Nós podemos afirmar que existe relação de regressão entre a diluídade do CEO e o preço da ação Podemos dizer que a 5 o teste nos é significativo Devemos chocar atenção pois pode ser um possível erro do tipo II Ao se escolher um nível de significância baixo para diminuir a prob do erro tipo I ocorrer oferecemos um risco maior de cometer o erro do tipo II Contudo por conseguinte considerase menos grave cometer o erro do tipo I β1 87974 184254 D Lnyi X1 X2 2485 0 2 1386 0 4 2996 0 2 2398 1 15 3584 0 11 2495 1 12 2398 1 12 0693 1 6 19425 4 64 Média 2303 05 8 Ln preço do aço β0 β1diluídade CEO β2ativos totais µ β XX¹Xy X 1 0 2 1 0 4 1 0 2 0 1 15 1 0 11 1 1 12 1 1 12 1 1 6 X 1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 1 1 1 1 0 0 0 1 1 0 0 1 1 1 1 1 1 1 84 4² XX beginbmatrix 8 4 64 4 4 45 64 45 694 endbmatrix β1 0619 extAssumindo que não há fatores ocultos no erro que estejam relacionados com a qualidade do CEO considerando que o fator do CEO assume o cargo de Pres do conselho a diminuição dos preços da ação em 80583 ext no preço da ação β0 Ȳ β1X1 2303 061905 XX1 frac1det cdot Ady frac116 cdot beginvmatrix 4 4 4 8 endvmatrix β0 2613 F Regressão auxiliar X₁ β₀ α₁X₂ μ ou X₁ β₀ β₁X₂ μ Interpretação do modelo loglin com regressor discretos expβ 1100 R² 1 1072 2 exp0619 1100 46152 F A hipótese relativa aos nãovícios do estimador de MQO e a H1 Hipótese da Exogeneidade que diz que os fatores não observados no modelo não possuem relação com a variável explicativa ou o regressor Matemáticamente EuiX 0 Homocedasticidade é relaciona a variância do erro ser constante independente dos valores da variável explícita X O fato de o CEO acumular cargo de Presidente da Adm presença da dualidade provoca uma redução de 46152 nos preços da ação Para analisar X1 e X2 devese incluir no modelo de regressão não apenas o coeficiente angular mas sim o coeficiente de determinação R² da regressão auxiliar e seu Fato da Inflacão de Variância VIF Por decidir sobre o inclusão de X2 no modelo devemos atentar a correlação entre X1 e X2 Se essa correlação for considerável maior será R² e a bitação tenderá ao infinito Isso ocasiona a perda de eficiência do estimador porque não há residuo na variância afetando o teste de hipótese Portanto a inclusão de X2 depende do valor de R² da regressão Se esse R² for muito igual a 09 considerado isto na literatura devese investigar o VIF caso o VIF seja maior que 10 na respectiva de correlação entre X1 e X2 F O modelo em questão é um Linlog A interpretação nesses modelos é o seguinte o aumento de 1 em X1 regressor provoca um aumento percentual de RY em Y regressando Portanto a variação média em Y é dada pelo operador β1 mas é um percentual nos na unidade de medida de Y XX¹ 025 025 025 05 Y 2485 1386 2996 2398 3584 2485 2398 0693 XY 18425 7974 XX¹XY 2673 0619 β0 2673