Trabalho de Métodos Quantitativos

ORIENTAÇÕES PARA EXECUÇÃO DA TAREFA Você deverá elaborar um vídeo apresentando a regressão linear simples de UM EVENTO ECONÔMICO Você deve escolher uma das alternativas abaixo a Regressão linear simples a variável independente é uma variável quantitativa b Regressão linear simples a variável independente é uma variável dicotômica c Regressão linear simples a variável independente é uma variável policotômica Não utilize os exemplos colocados em sala de aula ou os exemplos que estão nas apostilas disponibilizadas pela professora no moodle Se você utilizar o exemplo dado na sala de aula ou os exemplos que estão nas apostilas a nota será zero Crie seu próprio exercício O EXERCÍCIO DEVE CONTER VARIÁVEIS ECONÔMICAS COM DADOS VERDADEIROS E NÃO FICTÍCIOS Após decidir qual das alternativas elabore a apresentação em powerpoint com o seguinte conteúdo No primeiro slide é obrigatório informar o assunto a ser tratado no vídeo e o nome do aluno Qual o objetivo da pesquisa Qual a hipótese a ser testada na pesquisa Defina cada variável a ser utilizada no problema de pesquisa Especifique a quantidade de observação da amostra a fonte de dados o período de análise e a unidade de medida dos dados Se o arquivo não abrir a nota será zero Se o assunto abordado não for uma das opções dadas acima a nota será zero Se o conteúdo apresentado estiver errado a nota será zero A atividade vale de zero a 10 com peso 2 para a nota do segundo bimestre Você também deve postar no moodle o formulário Termo de Autorização do uso de Imagem preenchido independentemente de você ter aparecido ou não no vídeo Você tem duas opções para assinar o termo A primeira é assinar de próprio punho e escanear a folha A segunda é a assinatura digital Neste caso apresente também o comprovante de que a assinatura digital existe Caso seu vídeo seja escolhido o vídeo será postado no canal do CCSA no Youtube sendo portanto necessário seu consentimento A entrega deverá ocorrer até o dia 110525 às 23h59 Junto com o arquivo MP4 você também deve entregar um arquivo em Excel com a base de dados utilizada no exercício que você apresentou Neste arquivo em excel além da base de dados deve informar o link de acesso das bases de dados O nome do arquivo é o seu nome Disponibilizei um link no moodle para postar a tarefa Os TRÊS arquivos devem ser colocados neste link Aconselho a postar antes dessa data porque se o moodle estiver fora do ar ou cair a luz na sua casa ou a internet não funcionar ou qualquer outra justificativa problema de pesquisa Especifique a quantidade de observações da amostra a fonte de dados o período de análise e a unidade de medida dos dados Especifique qual o software utilizado defina o nível de confiança 95 e o método para verificar se rejeita a hipótese nula Apresente como inserir os dados no JAMOVI e como emitir os relatórios Realize as análises dos resultados e conclua conforme orientação dada nas apostilas aluno e professor que estão disponíveis no moodle Conclua se a hipótese inicial do seu problema de pesquisa foi comprovada Justifique sua resposta No último slide você deve se despedir Para a apresentação você pode elaborar quantos slides achar necessário e gastar quanto tempo for necessário desde que cumpra com o conteúdo especificado acima Utilize sempre a letra Verdana nos slides NÃO APAREÇA NO VÍDEO Grave o som utilizando a função Gravar do powerpoint Após gravar SUA VOZ em cada slide não serão aceitos vídeos com voz de inteligência artificial ou qualquer outra opção clique em Página inicial Exportar e Criar vídeo Escolha a opção Full HD no powerpoint Arquivo em MP4 O nome do arquivo deve ser o seu nome A tarefa é individual Se o aluno não entregar a atividade dentro do prazo a nota será zero Análise de Regressão Linear Evolução do Preço da Gasolina no Brasil Tendência temporal de 2001 a 2023 Nome do Apresentador 10 de maio de 2025 Introdução O presente estudo analisa a evolução temporal do preço médio da gasolina comum no Brasil durante um período de 22 anos 20012023 O aumento sistemático dos preços dos combustíveis tem impacto direto no poder de compra da população e nos índices inflacionários tornando essencial compreender sua tendência de longo prazo Objetivos da Pesquisa Quantificar a tendência de longo prazo do preço médio da gasolina comum no Brasil identificando a taxa média anual de crescimento e seu impacto inflacionário acumulado Hipóteses H₀ Não existe tendência linear significativa no preço médio da gasolina β₁ 0 H₁ Existe tendência linear positiva significativa no preço médio da gasolina β₁ 0 Variáveis do Estudo Variável Dependente Preço médio da gasolina comum gasolinacomumprecorevendaavg Unidade R por litro Preço médio mensal praticado em postos de combustível Variável Independente Ano ano Período 2001 a 2023 Variável quantitativa discreta Fonte dos Dados Dataset Original Fonte Agência Nacional do Petróleo Gás Natural e Biocombustíveis ANP Plataforma Kaggle Preços de Combustíveis Brasil Autor Matheus Fidelis Tamanho 258 observações mensais Período Julho2001 a Dezembro2023 Base de Dados Repositório de dados abertos da ANP Dados atualizados mensalmente Disponibilizados via site Economia Popular Dimensões Nacional Regiões Estados Metodologia Software JAMOVI Versão 23 Escolha Interface amigável para análises de regressão Recursos Regressão linear diagnóstico completo gráficos Vantagens do JAMOVI Baseado em R versão 41 Open source e gratuito Interface gráfica intuitiva Resultados em tempo real Exportação facilitada de gráficos Coleta e Estrutura dos Dados Processo de Coleta 1 Fonte primária Sistema de Levantamento de Preços da ANP 2 Periodicidade Coleta mensal em postos de todo Brasil 3 Agregação Média nacional ponderada Estrutura do Dataset 258 observações meses 24 variáveis diferentes combustíveis e métricas Variáveis principais referência ano mês preços médiosmínimosmáximos Tratamento dos Dados Etapas 1 Importação Arquivo CSV com 258 observações mensais Seleção das variáveis relevantes 2 Verificação de Qualidade Ausência de dados faltantes Consistência temporal sem gaps 3 Análise de Outliers Decisão manter todos os dados Justificativa Variações reais de mercado crises econômicas 4 Transformação Logarítmica Criação da variável logPreço Objetivo Linearização da tendência exponencial Análise Exploratória Estatísticas Descritivas Interpretação Aumento de 382 no período 151 728 Alta variabilidade CV 375 Distribuição assimétrica à direita Estatística Ano Preço R logPreço N 258 258 258 Média 2012 320 140 Mediana 2012 274 132 Desviopadrão 624 120 026 Mínimo 2001 151 092 Máximo 2023 728 211 Análise Visual Evolução Temporal Características da Série Temporal Tendência crescente clara Aceleração após 2020 Flutuações cíclicas menores Padrões Identificados Crescimento aproximadamente linear até 2020 Inflexão acentuada póspandemia Sugestão de tendência exponencial Resultado s Modelo Linear O ano explica 803 da variação no preço da gasolina Estatística Valor Interpretação R 0896 Correlação muito forte R² 0803 803 da variação explicada R² Ajustado 0802 Ajuste penalizado F1256 1040 Teste global do modelo pvalor 0001 Modelo significativo Coeficientes Modelo Linear Interpretação Aumento médio R 0467 por ano Aumento acumulado 22 anos R 1027 Tendência altamente significativa p 0001 Preditor β EP IC 95 t p valor Intercepto 199678 0496 199775 199580 40289 0001 Ano 467 0145 439 496 323 0001 Resultado s Modelo Log Linear Modelo loglinear apresenta melhor ajuste Estatística Valor Interpretação R 0944 Correlação quase perfeita R² 0891 891 da variação explicada R² Ajustado 0891 Ajuste penalizado F1256 2094 Teste global do modelo pvalor 0001 Modelo significativo Coeficientes Modelo Log Linear Interpretação Econômica Taxa de crescimento 229 ao ano Crescimento geométrico composto Efeito exponencial confirmado Preditor β EP IC 95 t p valor Intercepto 197970 0711 198112 197830 27831 0001 Ano 2290 0499 2190 2384 458 0001 Verificação de Pressupostos Modelo loglinear melhor aproximação à normalidade Ambos apresentam autocorrelação serial Não há problemas de colinearidade Teste Modelo Linear Modelo Log Interpretação Shapiro Wilk 0931 p0001 0958 p0001 Nãonormalidade Durbin Watson 00557 p0001 00783 p0001 Autocorrelação forte VIF 100 100 Sem multicolinearidade Análise de Resíduos Padrões Observados Desvios nas caudas da distribuição Evidência de heterocedasticidade Autocorrelação temporal clara Implicações Intervalos de confiança podem estar subestimados Necessidade de modelos de séries temporais Comparação de Modelos Recomendação Modelo loglinear para inferência e previsão Métrica Linear LogLinear Vencedor R² 0803 0891 Log Normalidade 0931 0958 Log Interpretabilidad e Direta Taxa Linear Ajuste visual Bom Excelente Log Interpretação Econômica Comparação com Inflação IPCA acumulado 2001 2023 240 Gasolina 382 Conclusão Preços subiram 59 acima da inflação Período Preço Inicial Preço Final Aumento Total Taxa Anual 20012023 R 151 R 728 382 229 aa Limitações do Estudo Aspectos Metodológicos 1 Autocorrelação temporal Violação de pressupostos 2 Modelo univariado Ignora fatores econômicos Sugestões de Melhoria Modelos ARIMA para séries temporais Inclusão de variáveis explicativas Preço internacional do petróleo Taxa de câmbio USDBRL Política de preços da Petrobras Conclusões Principais Achados 1 Tendência significativa Crescimento sistemático dos preços 2 Taxa de crescimento 229 ao ano acima da inflação 3 Modelo preferível Loglinear R² 0891 4 Impacto social Perda de poder de compra Implicações Necessidade de políticas públicas compensatórias Importância de fontes alternativas de energia Monitoramento contínuo da evolução dos preços Referências Software e Pacotes The jamovi project 2022 jamovi Version 23 Computer Software Retrieved from httpswwwjamoviorg R Core Team 2021 R A Language and environment for statistical computing Version 41 Computer software Retrieved from httpscranrprojectorg Dados ANP Agência Nacional do Petróleo Gás Natural e Biocombustíveis 2023 Sistema de Levantamento de Preços Disponível em httpswwwgovbranpptbrassuntosprecosedefesadaconcorrenciaprec osprecosrevendaededistribuicaocombustiveis Fidelis M 2023 Preços de Combustíveis Brasil Kaggle Dataset Disponível em httpswwwkagglecomdatasetsmatheusfreitaggaspricesinbrazil Obrigado pela atenção Análise de Regressão Linear Impacto do Tipo de Alimento nas Emissões de Gases de Efeito Estufa Utilizando o Banana Index do The Economist Nome do Apresentador 10 de maio de 2025 Introdução O presente estudo utiliza o Banana Index desenvolvido pelo The Economist para analisar o impacto ambiental de diferentes tipos de alimentos Este índice inovador publicado no artigo A different way to measure the climate impact of food The Economist 2023 permite comparar as emissões de gases de efeito estufa de diversos alimentos usando bananas como referência padrão Objetivos da Pesquisa Objetivo Principal Determinar se o tipo de alimento vegetal animal ou processado é um preditor significativo das emissões de gases de efeito estufa utilizando o Banana Index como variável dependente Hipóteses H₀ Não há diferença significativa nas emissões de gases de efeito estufa entre os diferentes tipos de alimentos H₁ Existe diferença significativa nas emissões de gases de efeito estufa entre os diferentes tipos de alimentos Variáveis do Estudo Variável Dependente Banana Index kg Medida padronizada de emissões de GEE Variável Independente Policotômica Tipo de Alimento Vegetal categoria de referência Animal Processado Transformação logBanana Index 1 Para atender pressupostos estatísticos Fonte dos Dados Dataset Original Fonte The Economists Banana Index Plataforma Kaggle Beachcapital 2023 Tamanho 160 alimentos diferentes Ano 2023 Bases Científicas de Referência Our World in Data 2023 Environmental Impacts of Food Clark et al 2022 Estimating the environmental impacts of 57000 food products Poore Nemecek 2018 Reducing foods environmental impacts through producers and consumers Science O Banana Index Definição Conceito Índice que compara as emissões de gases de efeito estufa de alimentos usando bananas como referência padrão Fórmula Matemática Interpretação Valor 1 Mesmas emissões que bananas Valor 1 Mais emissões que bananas Valor 1 Menos emissões que bananas Exemplo Prático do Banana Index Alimento kg CO₂eq1000 kcal Morangos 518 Bananas 088 Cálculo para Morangos Morangos geram 6 vezes mais emissões que bananas para a mesma quantidade de calorias Metodologia Software JAMOVI Versão 23 Escolha Interface amigável para análises estatísticas Recursos Regressão linear diagnóstico de pressupostos gráficos Vantagens do JAMOVI Baseado em R Open source Interface gráfica intuitiva Resultados em tempo real Tratamento dos Dados Etapas 1 Importação Arquivo CSV com 160 observações originais Verificação de tipos de variáveis 2 Categorização Criação da variável Alimentos por tipo Três categorias Vegetal Animal Processado Vegetal definido como referência 3 Análise de Outliers Identificação via boxplots e análise descritiva Detecção de 4 outliers extremos Tratamento dos Dados Continuação 4 Remoção de Outliers Exclusão de 4 observações 25 da amostra Amostra final 156 alimentos 5 Transformação Logarítmica Criação da variável logBanana Index 1 Justificativa Correção de assimetria e heterocedasticidade Adição de 1 para evitar log0 Análise Exploratória Estatísticas Descritivas Estatística Banana Index kg logBanana Index 1 N 156 156 Média 558 143 IC 95 438 679 129 157 Mediana 218 116 Desviopadrão 761 0878 Mínimo 0237 0213 Máximo 354 359 ShapiroWilk 0672 p 0001 Análise Visual Distribuições Características da Distribuição Original Assimetria positiva forte Presença de outliers extremos Alta variabilidade Justificativa para Transformação Melhorar normalidade dos resíduos Reduzir heterocedasticidade Estabilizar variância Resultados Modelo Original Estatística Valor Interpretação R 0566 Correlação moderada R² 0320 32 da variação explicada R² Ajustado 0311 Ajuste para comparação F2157 369 Teste global do modelo pvalor 0001 Modelo significativo Modelo explica 32 da variação do Banana Index Coeficientes Modelo Original Preditor β EP IC 95 t pvalor Intercepto vegetal 214 14 8 078 506 145 0150 Animal vegetal 2879 33 5 2217 3542 859 0001 Processado vegetal 633 26 7 105 1161 237 0019 Interpretação Alimentos animais 2879 unidades vs vegetais Alimentos processados 633 unidades vs vegetais Teste ANOVA Modelo Original Fonte Soma de Quadrado s gl Quadrado Médio F pvalor Alimentos por tipo 15368 2 7684 369 0001 Resíduos 32683 157 208 Teste Global da Variável Categórica Conclusão O tipo de alimento é um preditor estatisticamente significativo das emissões p 0001 Verificação de Pressupostos Modelo Original Teste Estatística p valor Conclusão ShapiroWilk 0568 0001 Nãonormalidade Durbin Watson 0984 0001 Autocorrelação VIF 100 Sem multicolinearidade Problemas Identificados Resíduos não seguem distribuição normal Presença de autocorrelação Evidência de heterocedasticidade nos gráficos Solução Transformação Logarítmica Justificativa 1 Correção da nãonormalidade dos resíduos 2 Redução da heterocedasticidade 3 Melhoria do ajuste do modelo Transformação Aplicada Onde Variável transformada Banana Index original Resultados Modelo Transformado Estatística Valor Interpretação R 0724 Correlação forte R² 0524 524 da variação explicada R² Ajustado 0518 Melhor ajuste F2157 867 Teste global pvalor 0001 Modelo significativo Melhoria Substancial R² aumentou de 320 para 524 638 Coeficientes Modelo Transformado Preditor β EP IC 95 t pvalor Intercepto vegetal 083 2 0085 066 100 978 0001 Animal vegetal 173 8 0193 136 212 902 0001 Processad o vegetal 071 8 0153 041 102 468 0001 Observação Todos os coeficientes são estatisticamente significativos Hierarquia de Emissões Animal 568x Processado 205x Vegetal 1x Teste ANOVA Modelo Transformado Fonte Soma de Quadrado s gl Quadra do Médio F pvalor Alimento s por tipo 2713 2 1357 867 0001 Resíduos 2455 157 0156 Teste Global Significativo Conclusão Forte evidência de diferenças entre os tipos de alimentos Diagnóstico Modelo Transformado Teste Resultado Melhoria Normalidade QQ plot mais linear Homocedasticida de Variância mais estável Multicolinearidad e VIF 100 Melhorias nos Pressupostos Gráficos Recomendados 1 QQ plot comparativo 2 Resíduos vs ajustados comparativo 3 Histograma dos resíduos Comparação Visual dos Modelos Modelo Original Modelo Transformado QQ plot com desvios QQ plot mais linear Heterocedasticidade clara Variância homogênea Resíduos assimétricos Resíduos simétricos R² 320 R² 524 Layout de Gráficos Diagnósticos Results Gráfico QQ Interpretação dos Resultados Tipo de Alimento Multiplicador Percentual IC 95 Animal 568x 468 390 828 Processado 205x 105 151 278 Vegetal 100x Base Magnitude do Impacto Ambiental Significância Estatística Todas as diferenças são estatisticamente significativas p 005 Principais Conclusões 1 Confirmação da Hipótese Rejeitase H₀ p 0001 O tipo de alimento é preditor significativo das emissões 2 Hierarquia de Impacto Animal Processado Vegetal Diferenças substanciais e consistentes 3 Qualidade do Modelo Modelo transformado superior R² 524 Melhor atendimento aos pressupostos Interpretações mais confiáveis Implicações Práticas Para Políticas Públicas Orientar diretrizes alimentares sustentáveis Subsidiar políticas de redução de emissões Informar programas educacionais Para Consumidores Escolhas alimentares impactam significativamente o ambiente Redução de produtos animais pode diminuir pegada de carbono Alimentos processados também têm impacto relevante Limitações do Estudo 1 Amostrais Dados limitados a 156 alimentos Possível viés de seleção Representatividade geográfica não especificada 2 Metodológicas Categorização simplificada 3 grupos 476 da variação não explicada Presença de autocorrelação 3 Conceituais Banana Index como proxy único Não considera outros impactos ambientais Aspectos nutricionais não ponderados Referências Bibliográficas Beachcapital J 2023 Banana Index Dataset Kaggle httpswwwkagglecomdatasetsjoebeachcapitalbananainde x Clark M et al 2022 Estimating the environmental impacts of 57000 food products Proceedings of the National Academy of Sciences Fox J Weisberg S 2020 car Companion to Applied Regression R package httpscranrprojectorgpackagecar Our World in Data 2023 Data Explorer Environmental Impacts of Food httpsourworldindataorgenvironmentalimpactsoffood Obrigado pela atenção Perguntas