Prezado,
O Sisdea apresenta duas informações na aba de "Correlações": "Isoladas" e "Influência".
De acordo com a norma ABNT NBR 14.653-2:
"...Para verificação da multicolinearidade deve-se, em primeiro lugar, analisar a matriz das correlações, que espelha as dependências lineares de primeira ordem entre as variáveis independentes, com atenção especial para resultados superiores a 0,80..."
Qual destas duas abas refere-se ao que a norma preconiza?
Obrigado.
Att.
Darlan
Correlações parciais entre variáveis independentes
-
d_ulhoa@hotmail.com
- Mensagens: 1
- Registrado em: Qui Mai 05, 2016 8:01 pm
Re: Correlações parciais entre variáveis independentes
Nas duas abas, ou seja, tanto nas correlações isoladas quanto nas com influência.
-
Rodrigo Aguiar
- Mensagens: 5
- Registrado em: Sáb Abr 09, 2016 9:16 am
Re: Correlações parciais entre variáveis independentes
Bom dia!
Quando clico em ferramentas e correlações o quadro me aparece com algumas variáveis em vermelho o que pode estar acontecendo? como resolver isto? Valores tipo variável área total x X2 = 0,84; dormitórios x X1= 0,84; valor unit. x X3= -0,86; Padrão construtivo x Y = -0,86.
Quando clico em ferramentas e correlações o quadro me aparece com algumas variáveis em vermelho o que pode estar acontecendo? como resolver isto? Valores tipo variável área total x X2 = 0,84; dormitórios x X1= 0,84; valor unit. x X3= -0,86; Padrão construtivo x Y = -0,86.
Re: Correlações parciais entre variáveis independentes
Entre as variáveis independentes (x) e a dependente (y) não existe restrições com relação à correlação. O valor em vermelho apenas indica que o valor está acima de 0,80. Entre as variáveis independentes (x1, x2, ...) você pode continuar a utilizar o modelo mas mantendo a coerência entre as características do avaliando e dos dados da amostra. Procure aqui no fórum informações sobre colinearidade.
-
contatosgl
- Mensagens: 5
- Registrado em: Qua Set 06, 2017 12:54 pm
Re: Correlações parciais
Bom dia
No momento estamos com uma demanda pericial, na qual avaliamos um determinado lote. Porém, a outra parte do processo nos fez algumas indagações a respeito do nosso modelo estatístico inferencial e gostaríamos de auxilio nas respostas. Seguem as perguntas:
1) A variável área apresenta bastante influência na formação da equação? Justificar a resposta através de correlações parciais.
De que modo poderíamos identificar a intensidade da influência da variável área em nossa avaliação? E como essa influência seria explicada através das correlações parciais?
2) Em caso de resposta afirmativa do quesito anterior, podemos então concluir que há distorções nos valores, já que umas das variáveis mais representativas do modelo não tem características semelhantes do imóvel a ser avaliado?
Como a análise do questionamento anterior resultaria na conclusão de que há uma distorção de valores devido à variável não possuir características semelhantes ao avaliando?
3) Em caso de resposta positiva, as amostras utilizadas devem ser substituídas para a elaboração de uma equação que represente realmente o imóvel avaliando?
Caso a hipótese sugerida pela outra parte do processo seja confirmada, há a necessidade de execução de um novo modelo com uma nova amostra de dados?
As primeiras perguntas são as que recebemos da outra parte do processo, e as partes em negrito são nossas indagações sobre a resolução do caso. Deste modo, ficamos no aguardo de um retorno.
No momento estamos com uma demanda pericial, na qual avaliamos um determinado lote. Porém, a outra parte do processo nos fez algumas indagações a respeito do nosso modelo estatístico inferencial e gostaríamos de auxilio nas respostas. Seguem as perguntas:
1) A variável área apresenta bastante influência na formação da equação? Justificar a resposta através de correlações parciais.
De que modo poderíamos identificar a intensidade da influência da variável área em nossa avaliação? E como essa influência seria explicada através das correlações parciais?
2) Em caso de resposta afirmativa do quesito anterior, podemos então concluir que há distorções nos valores, já que umas das variáveis mais representativas do modelo não tem características semelhantes do imóvel a ser avaliado?
Como a análise do questionamento anterior resultaria na conclusão de que há uma distorção de valores devido à variável não possuir características semelhantes ao avaliando?
3) Em caso de resposta positiva, as amostras utilizadas devem ser substituídas para a elaboração de uma equação que represente realmente o imóvel avaliando?
Caso a hipótese sugerida pela outra parte do processo seja confirmada, há a necessidade de execução de um novo modelo com uma nova amostra de dados?
As primeiras perguntas são as que recebemos da outra parte do processo, e as partes em negrito são nossas indagações sobre a resolução do caso. Deste modo, ficamos no aguardo de um retorno.
Re: Correlações parciais entre variáveis independentes
1) A variável área apresenta bastante influência na formação da equação? Justificar a resposta através de correlações parciais.
De que modo poderíamos identificar a intensidade da influência da variável área em nossa avaliação? E como essa influência seria explicada através das correlações parciais? R - Nos modelos de regressão lineares, a variável de maior influência é a que tem o maior t (em valores absolutos). Você encontra esta resposta na tela principal do SisDEA/SisReN e SisPlanV na coluna "t calculado". Nas correlações parciais você obtém a intensidade de correlação com a variável dependente mas isto não indica que a variável seja a "mais influente" no modelo.
2) Em caso de resposta afirmativa do quesito anterior, podemos então concluir que há distorções nos valores, já que umas das variáveis mais representativas do modelo não tem características semelhantes do imóvel a ser avaliado?
Como a análise do questionamento anterior resultaria na conclusão de que há uma distorção de valores devido à variável não possuir características semelhantes ao avaliando? R - Não resultaria.
3) Em caso de resposta positiva, as amostras utilizadas devem ser substituídas para a elaboração de uma equação que represente realmente o imóvel avaliando?
Caso a hipótese sugerida pela outra parte do processo seja confirmada, há a necessidade de execução de um novo modelo com uma nova amostra de dados? R - Provavelmente, se os dados não são assemelhados com o avaliando.
De que modo poderíamos identificar a intensidade da influência da variável área em nossa avaliação? E como essa influência seria explicada através das correlações parciais? R - Nos modelos de regressão lineares, a variável de maior influência é a que tem o maior t (em valores absolutos). Você encontra esta resposta na tela principal do SisDEA/SisReN e SisPlanV na coluna "t calculado". Nas correlações parciais você obtém a intensidade de correlação com a variável dependente mas isto não indica que a variável seja a "mais influente" no modelo.
2) Em caso de resposta afirmativa do quesito anterior, podemos então concluir que há distorções nos valores, já que umas das variáveis mais representativas do modelo não tem características semelhantes do imóvel a ser avaliado?
Como a análise do questionamento anterior resultaria na conclusão de que há uma distorção de valores devido à variável não possuir características semelhantes ao avaliando? R - Não resultaria.
3) Em caso de resposta positiva, as amostras utilizadas devem ser substituídas para a elaboração de uma equação que represente realmente o imóvel avaliando?
Caso a hipótese sugerida pela outra parte do processo seja confirmada, há a necessidade de execução de um novo modelo com uma nova amostra de dados? R - Provavelmente, se os dados não são assemelhados com o avaliando.
-
contatosgl
- Mensagens: 5
- Registrado em: Qua Set 06, 2017 12:54 pm
Re: Correlações parciais entre variáveis independentes
Muito obrigado.
-
Cristiano Paes
- Mensagens: 1
- Registrado em: Qui Abr 19, 2018 11:36 am
Re: Correlações parciais entre variáveis independentes
Bom dia,
Estou com um modelo que apresenta alta correlação com influência entre área construída e área do terreno, 0,96, (isolada 0,75), na aba variáveis vi que o software apresenta o recurso de análise PCA, citada no item A.2.1.5.3 da NBR 14653-2 como alternativa para tratar os dados na presença de multicolinearidade. Como posso interpretar o resultado da análise PCA para decidir sobre a admissibilidade ?
Att;
Cristiano F P Oliveira
Estou com um modelo que apresenta alta correlação com influência entre área construída e área do terreno, 0,96, (isolada 0,75), na aba variáveis vi que o software apresenta o recurso de análise PCA, citada no item A.2.1.5.3 da NBR 14653-2 como alternativa para tratar os dados na presença de multicolinearidade. Como posso interpretar o resultado da análise PCA para decidir sobre a admissibilidade ?
Att;
Cristiano F P Oliveira