Análise de regresão

Introdução
Em Administração é comum nos depararmos com questões que dizem respeito ao relacionamento entre variáveis. Uma situação comum no ramo dos negócios diz respeito a predizer situações futuras a partir do relacionamento entre as variáveis em questão. Por exemplo, deseja-se saber o faturamento proveniente das vendas de um novo produto com base nas despesas de marketing (incluindo esforço de comunicação, força de vendas, promoção) com este produto. Se a relação entre vendas e despesas de marketing for conhecida e a empresa tiver os montantes a serem gastos em marketing, então as vendas futuras podem ser inferidas.
A análise de regressão mostra-se uma ferramenta muito acurada, mas é claro que não mostra como resultado uma relação perfeita entre as variáveis, pois existem inúmeras variáveis não consideradas no estudo que podem influenciar o fenômeno, mas mostra uma relação próxima da realidade.
Para estudar este tópico você precisará dedicar 2 h de estudo.

Conceitos abordados

Coeficiente de determinação: mede quanto da variação ocorrida na variável dependente é causada pelas variações ocorridas nas variáveis independentes, esse valor sempre varia entre 0 e 1;
Coeficiente de determinação ajustado: é um coeficiente calculado nas análises de regressão múltipla. Ajusta o coeficiente de determinação de acordo com o número de variáveis independentes e de acordo com o tamanho da amostra;
Homocedasticidade: é um princípio que afirma que as variâncias dos erros (como a reta de regressão não passa exatamente em cima de todos os pontos, estes estão a uma distância da reta, a essa distância dá-se o nome de erro ou resíduo) de cada ponto do diagrama de dispersão possuem variâncias idênticas.
Intercepto vertical: é um valor que ajuda a construir uma reta, no caso da análise de regressão, a reta de regressão. Consiste em um valor constante "b" somado ao valor da variável independente "x" na equação de regressão: y= mx + b.
Multicolinearidade: é um problema que