E-30: Análise de tendências - regressão não linear - F. Potência (EXCEL)

REGRESSÃO NÃO LINEAR - F. POTÊNCIA (EXCEL)

Excel - Gráficos

Análise:  

a) variável independente: Distância

    variável dependente: Número de habitantes 

b) Coeficiente de correlação de Pearson: r = 0,90

c) Equação: y= 8848,2x(1,918)

d) Coeficiente de determinação: r² = 0,9864
e) Coeficiente de correlação: 0,90

E-29: Análise de tendências: regressão linear (SPSS)

REGRESSÃO LINEAR (SPSS)

 SPSS - Gráfico

SPSS - Tabela com

-coeficientes de regressão (constante ; b1)
- coeficiente de determinação (R quadrado)

Sumarização do modelo e estimativas dos parâmetros
Variável dependente: NumAssaltos
Equação	Sumarização do modelo					Estimativas de Parâmetro
	R quadrado	F	gl1	gl2	Sig.	Constante	b1
Linear	,884	60,673	1	8	,000	11,427	-1,120
A variável independente é NumPolic.                                                                                             Gonçalo Gandum

SPSS - Tabela com

-  Valores estimados de Y (FIT_1)

- Resíduos (ERR_1)

- Intervalo de confiança dos valores estimados de Y [UCL_1  - LCL_1]

Análise: 

a) variável independente: Número de policiais 

     variável dependente: Número de assaltos

b) Coeficiente de correlação de Pearson: 0,90

c) Equação da reta de regressão: y= -1,120x+11,427

d) Coeficiente de determinação: 0,884

e) Valor estimado de Y da última unidade de análise: 9,18750

f) Resíduo da última unidade de análise: -o,18750

g) Intervalo de confiança: 

[6,89071;11,48429]

E-28: Análise de tendências: regressão linear (SPSS)

REGRESSÃO LINEAR (SPSS)

SPSS - Gráfico 

SPSS - Tabela com
-coeficientes de regressão (constante ; b1)
- coeficiente de determinação (R quadrado)

Sumarização do modelo e estimativas dos parâmetros
Variável dependente: Precipitação
Equação	Sumarização do modelo					Estimativas de Parâmetro
	R quadrado	F	gl1	gl2	Sig.	Constante	b1
Linear	,813	34,686	1	8	,000	7,282	,161
A variável independente é Altitude.                                                                                              Gonçalo Gandum

SPSS - Tabela com
-  Valores estimados de Y (FIT_1)

- Resíduos (ERR_1)

- Intervalo de confiança dos valores estimados de Y [UCL_1  - LCL_1]

Análise: 

a) - variável independente: altitude

     - variável dependente: precipitação

b) Coeficiente de correlação de Pearson: o,90

c) Equação da reta de regressão: y= 0,161x+ 7,282

d) Coeficiente de determinação: 0,813

e) Valor estimado de Y da última unidade de análise: 7,44320

f) Resíduo da última unidade de análise: 0,64680

g) Intervalo de confiança do valor estimado de Y da última unidade de análise com uma probabilidade de 95%: [5,57965; 9,30674]

E-27: Análise de tendências: regressão linear (SPSS)

REGRESSÃO LINEAR (SPSS)

SPSS - Gráfico

Sumarização do modelo e estimativas dos parâmetros
Variável dependente: Nº de choupos
Equação	Sumarização do modelo					Estimativas de Parâmetro
	R quadrado	F	gl1	gl2	Sig.	Constante	b1
Linear	,819	36,220	1	8	,000	-2,594	,652
A variável independente é HR.                                                                                    Gonçalo Gandum

                             SPSS - Tabela com:-  Valores estimados de Y (FIT_1)

- Resíduos (ERR_1)

- Intervalo de confiança dos valores estimados de Y [UCL_1  - LCL_1]

Análise: 

a) variável independente: Humidade relativa

   variável dependente: Número de choupos

b) Coeficiente de correlação de Pearson: r = 0,90

c) Equação da reta de regressão: Y = 0,65X - 2,59

d) Coeficiente de determinação: R² = 0,819 (81,9%)

e) Valor estimado de Y da última unidade de análise: 26,74

f) Resíduo da última unidade de análise: 5,25

g) Intervalo de confiança do valor estimado de Y da última unidade de análise com uma probabilidade de 95%: [12,77806 ; 40,70314]

E-26: Análise de tendências: regressão linear (EXCEL)

Excel - Análise de Dados

SUMÁRIO DOS RESULTADOS
Estatística de regressão
R múltiplo	0,93995
Quadrado de R	0,883505
Quadrado de R ajustado	0,868944
Erro-padrão	0,890853
Observações	10
ANOVA
	gl	SQ	MQ	F	F de significância
Regressão	1	48,15104	48,15104167	60,67268	5,29E-05
Residual	8	6,348958	0,793619792
Total	9	54,5
	Coeficientes	Erro-padrão	Stat t	valor P	95% inferior	95% superior	Inferior 95,0%	Superior 95,0%
Interceptar	11,42708	0,692444	16,50253906	1,83E-07	9,830305	13,02386	9,83	13,0238619
Variável X 1	-1,11979	0,143761	-7,789267137	5,29E-05	-1,4513	-0,78828	-1,5	-0,7882786
RESULTADO RESIDUAL
Observação	Y previsto	Residuais	Residuais-padrão
1	6,947917	0,052083	0,062011008
2	5,828125	-0,82813	-0,98597502
3	8,067708	-1,06771	-1,271225654
4	9,1875	0,8125	0,967371717
5	6,947917	1,052083	1,252622352
6	2,46875	-0,46875	-0,558099068
7	3,588542	1,411458	1,680498304
8	4,708333	-0,70833	-0,843349702
9	8,067708	-0,06771	-0,08061431
10	9,1875	-0,1875	-0,223239627					Gonçalo Gandum

Análise:

a) variável independente: ??

   variável dependente: ??

b) Coeficiente de correlação de Pearson: r = ??

c) Equação da reta de regressão: ??

d) Coeficiente de determinação: R² = ??

e) Valor estimado de Y da primeira unidade de análise: ??

f) Resíduo da primeira unidade de análise: ??

g) Resíduo padronizado da primeira unidade de análise: ??