Colocar TODAS as variveis. De preferncia, colocar a varivel dependente primeiro, para ficar mais fcil a visualizao. Geralmente, seleciona-se para o modelo as variveis com sig<0,05.
Ex: Varivel dependente: Selic
Perceba que TODAS AS VARIVEIS na linha da SELIC tem sig<0,05, logo, voc escolher todas para fazer a regresso.
2 ESTIMAR REGRESSO
Caminho: Analyse -> Regression-> Linear
Colocar Selic na varivel dependente e TODAS as outras variveis na independente, j que todas estas tiveram, na etapa anterior, sig<0,05. Embaixo de onde se coloca a varivel independente, tem Method (selecionar o mtodo STEPWISE).
2.1 Primeiro quadro a ser analisado: Model Sumary
EX:
Escolher o modelo que tem o maior R ajustado. Como as variveis tem o mesmo R ajustado, com exceo do primeiro modelo, verifica-se tambm a tabela de coeficientes... Escolha o modelo que voc acha que vai mais de acordo com a teoria econmica. O sinal diz se a relao direta ou inversa.
Digamos que voc escolha o modelo 4. Da, voc volta l pro caminho onde foi para fazer a regresso e COLOCA APENAS AS VARIVEIS DO MODELO 4. MAS ANTES de rodar a regresso, coloque no lugar do mtodo stepwise, o mtodo ENTER. Aproveite tambm para salvar os resduos. Na opo SAVE marque em PREDICTE VALUES a opo STANDARDIZED e na opo Residuals tambm marque esta. Alm disso, v em Statistics e marque a opo Dubin-Watson e Collinearity Diagnostics.
Feito tudo isso, rode a regresso!
Depois de rodar a regresso v em:
Transform -> Compute.
Em Target Variable: D algum nome, por exemplo, ZPR_2. Depois, multiplique a varivel ZPR_1 (que foi criada aps voc salvar os resduos) por ela mesmo.
Faa o mesmo com a varivel ZRE. 7
Modelo: Pela tabela do coeficiente, a equao do modelo estimado fica:
3 VERIFICAR PRESSUPOSTOS
Pressuposto 1: Homocedasticidade
Ho: Varincia dos erros homocedstica H1: Varincia dos erros no homocedstica
Olhar tabela ANOVA. Se o sig<0,05, rejeita Ho, logo a a varincia do erro no homocedstica a um nvel de significncia de 5%, VIOLANDO o pressuposto de homocedasticidade. Neste caso, sig>0,05, logo NO REJEITA Ho e no viola este pressuposto.
Pressuposto 2: Normalidade dos erros. (TESTE KOLMOGOROV- SMIRNOV) Ho: normal H1: no normal
Caminho: Analyse-> Non parametric -> 1 sample k-s Escolher varivel ZRE 1 (UM) Sig>0,05.No rejeita Ho, logo o erro apresenta normalidade. Pressuposto no violado.
Pressuposto 3: Ausncia de Autocorrelao Verificar l quando voc rodou a regresso o Model Summary (Lembre-se que a da REGRESSO DO MODELO 4 e no deste ltimo que voc rodou, no caso, o erro). Olhe para a estatstica Durbin-Watson. Se for menor que 1,5 ou maior que 2,5 h correlao. Caso esteja entre 1,5 e 2,5 no h!
Neste caso, menor que 1,5, logo h autocorrelao. Violando o pressuposto do modelo.
Pressuposto 4: No h multicolinearidade Olhar a tabela coeficientes, na coluna Tolerance e VIF. Para o Tolerance, se o valor for: a partir de 1 - no tem multicolinearidade. Entre 0,10 e 1 Aceitvel Abaixo de 0,10 h multicolinearidade.
Para o VIF, se o valor for: at 1 - sem multicolinearidade de 1 at 10 - multicolinearidade aceitvel acima de 10 - multicolinearidade problemtica
FINALIZANDO: Verificar o sig dos . Ho: =0 H1: 0 (s interpretar os que tiverem sig<0,05)
O ajustado (terceira coluna) s serve para dizer qual das variveis tem maior influncia na varivel dependente. Interpretao: O Aumento de 1 unidade da varivel explicativa aumenta/diminui tanto (valor do ) da varivel dependente, ceteris paribus.