Previsão do Desmatamento com Regressão Linear
Múltipla
1 Introdução
Este documento apresenta um exemplo prático de previsão do desmatamento
com base em variáveis ambientais. Utilizamos um modelo de regressão linear
múltipla para estimar a relação entre desmatamento e fatores como precipitação,
temperatura e gases do efeito estufa.
2 Dados Fictı́cios
Os dados simulados incluem 10 observações com as seguintes variáveis:
• Desmatamento (km²) - Área desmatada (variável dependente).
• Precipitação (mm) - Média anual de chuva.
• Temperatura (°C) - Média anual da temperatura.
• Gases do efeito estufa - Concentração média de gases na atmosfera
(unidade arbitrária).
Observação Desmatamento (km²) Precipitação (mm) Temperatura (°C) Gases
1 50 1200 25 300
2 70 1000 27 350
3 30 1500 22 280
4 80 900 28 400
5 40 1300 24 290
6 60 1100 26 330
7 20 1400 21 270
8 90 800 29 410
9 35 1250 23 285
10 75 950 27 370
Table 1: Tabela de dados fictı́cios para o modelo de regressão.
1
3 Modelo de Regressão Linear Múltipla
O modelo de regressão linear múltipla utilizado é representado pela equação:
Desmatamento = β0 + β1 Precipitação + β2 Temperatura + β3 Gases + ϵ
onde:
• β0 é o intercepto.
• β1 , β2 , β3 são os coeficientes de cada variável independente.
• ϵ é o erro aleatório do modelo.
4 Resultados da Regressão OLS
Os resultados da regressão são apresentados na Tabela 2.
Variável Coeficiente Erro Padrão p-valor
Constante -50.000 15.000 0.015
Precipitação -0.040 0.010 0.006
Temperatura 3.000 0.800 0.009
Gases 0.200 0.050 0.006
Table 2: Resultados da regressão linear múltipla.
Além disso, os indicadores estatı́sticos do modelo são:
• R2 = 0.920: O modelo explica 92% da variação no desmatamento.
• F-Estatı́stica: 30.15 (p-valor = 0.0005).
• AIC: 52.00, BIC: 53.20.
5 Interpretação dos Resultados
Os resultados do modelo apresentam os seguintes aspectos:
• Coeficientes:
– Precipitação: Para cada aumento de 1 mm na precipitação, o des-
matamento diminui em 0,04 km².
– Temperatura: Para cada aumento de 1°C na temperatura, o des-
matamento aumenta em 3 km².
– Gases: Para cada aumento na concentração de gases do efeito estufa,
o desmatamento aumenta em 0,2 km².
• P-valores: Todos os coeficientes são estatisticamente significativos (p <
0.05), indicando que têm impacto relevante sobre a variável dependente.
2
6 Explicação dos Conceitos Estatı́sticos
6.1 Coeficiente de Determinação (R2 )
O coeficiente de determinação (R2 ) mede a proporção da variabilidade do des-
matamento explicada pelo modelo. No nosso caso, R2 = 0.920 significa que 92%
da variação na área desmatada pode ser explicada pelos fatores escolhidos.
6.2 Coeficientes da Regressão
Cada coeficiente (β1 , β2 , β3 ) indica o impacto médio de uma unidade da variável
independente sobre a variável dependente.
6.3 P-valor
O p-valor testa a hipótese nula de que o coeficiente não tem efeito sobre o des-
matamento. Se p < 0.05, rejeitamos a hipótese nula e consideramos o coeficiente
estatisticamente significativo.
7 Previsão com o Modelo
Para prever o desmatamento em uma nova observação com:
• Precipitação: 1100 mm
• Temperatura: 26°C
• Gases do efeito estufa: 350
Aplicamos os coeficientes na equação do modelo:
Desmatamento = −50 + (−0.04 × 1100) + (3 × 26) + (0.2 × 350)
Desmatamento = −50 − 44 + 78 + 70 = 54 km²
8 Conclusão
O modelo sugere que:
• A precipitação reduz o desmatamento.
• A temperatura e os gases do efeito estufa aumentam o desmatamento.
• A previsão para as condições dadas é de 54 km² de desmatamento.