Transcript
Page 1: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

UTILIZAÇÃO DA REGRESSÃO LINEAR

MÚLTIPLA PARA AVALIAÇÃO DA

QUALIDADE DA ÁGUA: ESTUDO DE

CASO DA ESTAÇÃO DE TRATAMENTO

MEIA PONTE, GOIÂNIA - GOIÁS

Juliano Resende Bucchianeri (MEPROS PUC )

[email protected]

Agenor Sousa Santos Neto (MEPROS PUC )

[email protected]

Layara de Paula Sousa Santos (MEPROS PUC )

[email protected]

Paulo Henrique dos Santos (MEPROS PUC )

[email protected]

A água é responsável por um grande número de doenças de veiculação

hídrica, principalmente em países subdesenvolvidos que carecem das

condições mínimas de infraestrutura e saneamento básico. O objetivo

dessa pesquisa é correlacionar a imporrtância da qualidade da água

para consumo humano a fim de prevenir doenças e proporcionar

qualidade de vida à população. A fim de aplicações práticas, o estudo

visa comparar os índices de qualidade da água proveniente de duas

Estações de Tratamento de Água, por meio da análise estatística

multivariada. A metodologia consiste na utilização do software SPSS

para interpretação dos resultados das análises físico-químicas e

bacteriológicas da água correspondentes à saída da estação de

tratamento Meia Ponte, localizadas em Goiânia/ GO, valendo-se da

regressão linear múltipla. Os parâmetros analisados são: flúor, pH,

temperatura da água, turbidez, cloro residual e cor aparente. Os

resultados demonstram que a variação na variável dependente

Temperatura do Ambiente é explicada pela variável independente

Temperatura da Água e Cor Aparente em 57%. Em situações que a

qualidade da água é imprópria para consumo, é necessário

implementar políticas públicas de gestão integrada que visem à

promoção e proteção da saúde da população local por meio de ações

conjuntas que revertam a vulnerabilidade dos setores de planejamento,

infraestrutura, saneamento e saúde

Palavras-chave: Doença, Saneamento Básico, Qualidade da Água,

Análise Multivariada, Gestão Integrada

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016.

Page 2: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

2

1. Introdução

O acesso à água potável é essencial para qualidade de vida, um direito básico da

humanidade, sendo um dos fatores de uma política eficaz de proteção à saúde. Melhorar

o acesso à água potável pode resultar benefícios imensuráveis para humanidade, por

isso, todo esforço possível deveria ser feito para que tivesse qualidade para o consumo

humano (WHO, 2004). No entanto, a alteração da qualidade da água agrava o problema

de escassez desse recurso, porque ainda que o Brasil detenha aproximadamente 13% de

toda água potável do mundo, a distribuição é irregular, além disso, as doenças causadas

por veiculação hídrica são responsáveis por aproximadamente 28 mil mortes por ano no

Brasil (TRATA BRASIL, 2014).

As fontes de contaminação antrópicas das águas subterrâneas geralmente são associadas

a despejos domésticos, industriais e chorume que contaminam os lençóis freáticos com

organismos patogênicos, constituindo-se como fontes de substâncias extremamente

tóxicas ao homem e ao meio ambiente (MOTTA et al., 2014).

É nesse cenário que se insere a importância da avaliação de impactos ambientais em

ecossistemas aquáticos por meio de medições de alterações nas concentrações de

variáveis físicas, químicas e bacteriológicas. Este sistema de monitoramento constitui-se

como ferramenta essencial na gestão de recursos hídricos do país, sendo possível

classificar rios e córregos em classes, e ainda definir padrões de potabilidade e

balneabilidade (GOULART; CALLISTO, 2003).

O monitoramento das variáveis físicas e químicas proporcionam algumas vantagens na

avaliação de impactos ambientais negativos em ecossistemas aquáticos, tais como

identificação imediata das mudanças de propriedades físicas e químicas da água e

determinação precisa das concentrações alteradas (WHITFIELD, 2001).

Geralmente, o monitoramento físico químico da água envolve a análise dos seguintes

parâmetros: turbidez, Ph, temperatura, demanda química de oxigênio, demanda bioquímica de

oxigênio, oxigênio dissolvido, sólidos dissolvidos totais, compostos orgânicos voláteis,

presença de metais, óleos e graxas. É nesse contexto que se insere o índice de qualidade da

água (IQA), esta metodologia proporciona a avaliação da qualidade da água de uma bacia de

forma simples e útil, pois transforma dados quantitativos em informação, reunindo vários

Page 3: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

3

parâmetros que são traduzidos em um valor que corresponde a uma determinada classificação.

Dessa forma, o IQA é um número adimensional que exprime a qualidade da água para

diversos fins. Esse número é obtido por meio da agregação de dados físicos, químicos e

bacteriológicos, de acordo com metodologias específicas (PNMA, 2002; LIOU et al., 2003).

Diante disso, percebe-se a necessidade de um programa de monitoramento sistemático para

obtenção da estimativa real da variação da qualidade das águas superficiais, incluindo coletas

frequentes nos mesmos pontos de amostragem e análise em laboratório dos parâmetros

escolhidos para interpretação dos resultados (SIMEONOV et al., 2003).

No Brasil, a normatização da qualidade da água para consumo humano iniciou-se na década

de 1970. Atualmente, a Portaria n° 2.914 de 12 de dezembro de 2011, dispõe sobre os

procedimentos de controle e de vigilância de qualidade da água para consumo humano e seu

padrão de potabilidade, sob a perspectiva de riscos à saúde pública, associados à

vulnerabilidade do manancial, às práticas operacionais do tratamento e integridade física da

rede de distribuição.

Para realizar os procedimentos de controle de qualidade, os métodos de análise exploratória

de dados multivariados são largamente utilizados a fim de promover a redução do número de

variáveis com o mínimo de perda de informação (HELENA et al., 2000). Na presente

pesquisa será utilizado o programa SPSS (Statistical Package for Social Sciences), por ser o

mais utilizado no Brasil e o mais frequentemente citado em artigos científicos das áreas de

conhecimento que utilizam estatísticas (BISQUERRA et al., 2009). Essa análise permite a

extração de informações que serão de grande relevância na avaliação da qualidade das águas.

Para o monitoramento de qualidade da água são abordados alguns parâmetros de acordo com

o padrão de potabilidade. Nesta pesquisa, serão analisados os seguintes: flúor, pH,

temperatura da água, turbidez, índice de coliformes totais, cloro residual, cor aparente e

Escherechia Coli. Para isso, a água proveniente da Estação de Tratamento de Água

(ETA) do Sistema Meia Ponte, localizada em Goiânia/GO constitui alvo desta pesquisa.

2. Parâmetros bacteriológicos e físico-químicos monitorados na água de abastecimento

público

O Ministério da Saúde regulamenta a qualidade do sistema municipal de abastecimento de

água segundo a presença de coliformes, que agem principalmente como indicadores de

poluição fecal e de quantidade de bactérias heterotróficas (AMERICAN PUBLIC HEALTH

Page 4: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

4

ASSOCIATION, 1998). Já as análises físico-químicas englobam as seguintes delimitações:

turbidez, cor, pH e odor, indicadores de boa potabilidade para a água de consumo (BRASIL,

2000). A seguir serão abordados os parâmetros físico-químicos envolvidos neste trabalho.

2.1 Temperatura

A temperatura é uma condição importante a ser explorada, pois ela pode acelerar ou atrasar a

atividade biológica, promovendo proliferação de micro-organismos e de algas. Também

exerce influência sobre a solubilidade do oxigênio e do dióxido de carbono na água e as

precipitações de alguns compostos (SILVA, 2013).

Em relação ao processo de tratamento da água, a temperatura pode apresentar efeito

significativo nos processos de desinfecção, coagulação, floculação e sedimentação. Isto

acontece em razão da água a baixas temperaturas apresentar-se mais viscosa (TEBBUTT,

1998).

2.2 pH

O pH diz respeito a concentração de íons hidrogênio, H+, conferindo indicação sobre as

condições de acidez, neutralidade e basicidade da água. Refere-se a um parâmetro de caráter

operacional significativo e deve ser conduzido a fim de otimizar os processos de tratamento

(BAIRD, 2004).

O pH é um padrão de potabilidade, portanto para que as águas sejam consideradas potáveis

para abastecimento público devem apresentar valores de pH entre 6,0 e 9,5, respeitando a

Portaria 2.914 de 2011. Este é um dos indícios mais cruciais para o monitoramento de

recursos hídricos superficiais ou subterrâneos. A acidez descomedida pode anunciar

contaminações, enquanto o excesso de solubilização de sais pode resultar em uma água

inadequada para consumo devido à elevada dureza (BAIRD, 2004).

2.3 Flúor

Desde 1974, tornou-se obrigatória a fluoretação das águas de abastecimento público em

municípios brasileiros onde exista Estação de Tratamento de Água (ETA). Essa determinação

tornou-se reconhecida como uma das medidas mais relevantes na Saúde Pública para

prevenção de doenças (MCNALLY; DOWNIE, 2000). O flúor é um elemento químico

inserido na água de abastecimento, durante seu tratamento, em razão de sua comprovada

Page 5: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

5

eficácia na proteção dos dentes contra a cárie (COMPANHIA DE SANEAMENTO BÁSICO

DO ESTADO DE SÃO PAULO, 2010).

As vantagens da fluoretação das águas de abastecimento ficaram perceptíveis diante de um

estudo realizado nos Estados Unidos que demonstrou que o índice de dentes cariados e

obturados para cada cem criança havia reduzido em 60%. Em contrapartida, a exposição

demasiada ao flúor durante a constituição do esmalte dentário, pode levar o indivíduo a

fluorose, que é uma doença crônica que ocorre por causa do excesso de ingestão de flúor

(NUNES, 2004). Além da fluorose, outros efeitos prejudiciais à saúde compreendem fraturas

de ossos, reprodutivos, gastrintestinais, efeitos de genotoxicidade, efeitos em sistemas renais e

carcinogênicos (SUBCOMMITTEE ON HEALTH EFFECTS OF INGESTED FLUORIDE,

1993). De acordo com Kulcheski (2000), a Organização Mundial da Saúde (OMS) define

como nível adequado para fluoretação de águas de abastecimento o intervalo que varia entre

1,0 a 1,5 mg de fluoreto para cada litro de água.

2.4 Cloro residual livre

Cloro é um agente bactericida, incorporado ao tratamento da água com o propósito de destruir

bactérias e outros microrganismos patogênicos que podem estar associados a água

(COMPANHIA DE SANEAMENTO BÁSICO DO ESTADO DE SÃO PAULO, 2010).

2.5 Turbidez

A turbidez é um atributo da água que se relaciona à presença de partículas suspensas com

tamanhos que variam desde suspensões grosseiras até colóides, dependendo do grau de

turbulência. A presença dessas partículas gera a dissipação e a absorção da luz, conferindo a

água um aspecto nebuloso, esteticamente indesejável e potencialmente inseguro (RICHTTER;

AZEVEDO NETTO, 2002).

2.6 Cor aparente

A cor está incumbida pela coloração da água e ainda associa-se ao grau de redução de

intensidade que a luz sofre ao atravessá-la (COMPANHIA AMBIENTAL DO ESTADO DE

SÃO PAULO, 2010).

De acordo com Richtter e Azevedo Netto (2002), virtualmente a água pura não contém cor. O

acompanhamento de substâncias dissolvidas ou em suspensão modifica a cor da água,

dependendo da quantidade e da natureza do material existente. Geralmente pode-se atribuir a

Page 6: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

6

cor da água aos ácidos húmicos e tanino, produzidos pela decomposição de vegetais e, por

isso, não apresenta risco algum para a saúde. No entanto, quando de origem industrial, pode

ou não conter toxicidade (SPERLING, 1996).

3. Modelos de regressão linear múltipla

A análise de regressão é uma das ferramentas mais empregadas para a análise de dados, sendo

adotada em praticamente todas as áreas do conhecimento. A facilidade e utilidade dessa

técnica são decorrentes do conceito lógico de utilizar uma equação matemática para exprimir

a relação entre variáveis. A análise de regressão é pertinente também pelo fato de possuir uma

elegante base matemática e teoria estatística bem desenvolvida (MONTGOMERY et al.,

2001; NETER et al., 2005). O modelo de regressão linear múltipla que relaciona a

característica de qualidade y às k variáveis de controle do processo é denotado pela Equação

(1):

+ + ... + + (1)

O coeficiente de regressão β0 é denominado coeficiente de intercepto, pois é o valor em que a

equação de regressão intercepta o eixo y, e os coeficientes β1, β2,..., βk são intitulados

coeficientes de inclinação, já que são a derivada parcial de y em relação à variável de controle

xk. Para demonstrar o modelo de forma mais compacta, a Equação (1) pode ser reescrita em

notação matricial, de acordo com a Equação (2):

(2)

O vetor dos erros aleatórios ε é apresentado pelo estimador e, que são os resíduos de regressão

ei, estabelecidos pela diferença entre os valores observados e os valores estimados pelo

modelo, podendo ser redigidos em notação matricial, de acordo com a Equação (3):

= y - (3)

Conforme Montgomery et al. (2001) e Neter et al. (2005), caso o número de observações (n)

for superior ao número de variáveis de controle (k), o método escolhido para determinar a

equação de regressão é o método de mínimos quadrados ordinários (MQO), que tem como

propósito minimizar as somas quadráticas dos resíduos da regressão. O estimador de mínimos

quadrados ordinários de β é encontrado pela resolução da Equação (4):

(4)

Para fazer uso do MQO, é fundamental assumir que os resíduos sejam normais e

independentemente distribuídos, com média igual a 0 e desvio-padrão constante e

Page 7: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

7

desconhecido. Esses pressupostos devem ser verificados após a concepção do modelo para

que o modelo seja então validado. Os valores estimados da variável resposta são evidenciados

pela Equação (5):

(5)

Montgomery et al. (2001) e Weisberg (2005) esclarecem que a matriz H é chamada de matriz

chapéu, uma vez que é responsável por transformar os valores observados y em valores

estimados. Essa matriz é de grande relevância na regressão, especialmente na detecção de

informações influentes.

4. Metodologia

Os dados utilizados para a presente pesquisa foram provenientes do banco de dados gerados

para emissão dos boletins de análises de água, emitidos pela Companhia de Saneamento de

Goiás S/A - SANEAGO, entre 01 de setembro de 2015 a 29 de fevereiro de 2016, num total

de 120 amostras analisadas. As análises de regressão linear múltipla foram efetuadas através

do software SPSS®.

O software SPSS® fornece relatórios automáticos pela seleção de métodos de processamento.

Tais procedimentos são programados para o caso de mais de uma variável independente, o

que caracteriza a Regressão Múltipla. Os mesmos providenciam a seleção de variáveis a

serem consideradas nos modelos, obedecendo à lógica da avaliação global do modelo através

da estatística Z-ANOVA. Tal utilidade é relevante principalmente no caso de pesquisas

exploratórias, em que não há expectativa formada acerca do comportamento de variáveis e se

opta por um grande número destas.

Assim, variáveis são incluídas ou removidas do modelo a partir da definição, pelo pesquisador

da probabilidade (Sig) ou de um valor crítico de Z. Vale ressaltar que os valores críticos de F

dependem tanto do tamanho da amostra quanto da quantidade de variáveis.

Como o interesse da pesquisa é rejeitar a hipótese de Coeficiente de Determinação nulo (R² =

zero), a programação para o método de busca sequencial stepwise permite estabelecer um

limite inferior de Z abaixo do qual a variável é introduzida e um limite superior de Z acima do

qual a variável é removida.

A base de dados utilizada para o exercício proposto encontra-se no Quadro 1:

Page 8: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

8

Quadro 1 – Parâmetros para qualidade da água da estação de tratamento meia ponte

Data TEMPERATURA

AMBIENTE

TEMPERATURA

AGUA

CLORO

RESIDUAL FLÚOR TURBIDEZ

COR

APARENTE PH

1/9/2015 22,000 23,000 1,320 0,660 0,400 2,600 7,050

2/9/2015 20,500 22,000 1,300 0,640 0,600 2,500 7,080

3/9/2015 21,000 22,000 1,240 0,650 0,350 4,700 7,060

... ... ... ... ... ... ... ...

25/2/2016 25,000 25,000 1,630 0,660 0,400 1,200 6,570

26/2/2016 26,500 26,000 1,360 0,750 0,550 2,000 6,640

29/2/2016 25,000 25,000 1,380 0,700 0,450 0,800 6,390

Fonte: SANEAGO (2016)

Foram selecionadas as seguintes variáveis:

- Temperatura Ambiente;

- Temperatura da Água;

- Turbidez;

- Cloro Residual;

- Flúor;

- Cor Aparente;

- pH.

É importante salientar que em nenhuma das 120 amostras foi detectada o Escherechia Coli

ou algum índice de coliformes totais, por isso essas variáveis sequer foram consideradas

no modelo.

A primeira etapa do processo consiste em analisar a matriz de correlação. No SPSS®, existe a

seguinte rotina para extraí-la:

- Analisar;

- Correlacionar;

- Bivariável;

- Selecionar as variáveis;

- Em Coeficientes de Correlação, optar por Pearson;

- OK.

A maior correlação se dá com a variável Temperatura Ambiente (r = 0,745), com alta

significância estatística (Sig. menor que α = 0,05). Assim, esta será selecionada para a

construção da equação de regressão usando a melhor variável independente. Assim, o estudo

consiste em testar estatisticamente a relação entre 6 tipos de variáveis relacionadas à

Page 9: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

9

qualidade da água para estabelecer a situação onde as chances de Temperatura Ambiente são

maiores.

Esta pesquisa caracteriza uma Regressão Linear Múltipla, pois estabelece 6 variáveis

independentes no sentido de predizer e explanar o comportamento de uma única variável

dependente.

Será avaliado todo o processo percorrido pelo software no método de busca sequencial

stepwise.

A proposta é deixar o SPSS® selecionar a variável estatística utilizando como variáveis

independentes todas as variáveis quantitativas. A rotina é a seguinte:

-Analisar;

-Regressão linear;

-Selecionar variável dependente - Temperatura Ambiente;

-Selecionar variáveis independentes – Temperatura da Água, Turbidez, Cloro Residual,

Flúor, Cor Aparente, pH;

-Método stepwise;

-OK.

4. Resultados e discussões

No Quadro 2, percebe-se que o método stepwise fez duas tentativas de equação e que o

critério utilizado para a inclusão de variáveis foi por valores de probabilidade F iguais ou

menores que 0,05 e para remoção, maiores ou iguais a 0,10.

Quadro 2 – Variáveis Independentes Inseridas no Modelo

Variáveis Inseridas/Removidasa

Modelo Variáveis inseridas Variáveis

removidas Método

1 TEMPERATURA

AGUA .

Em Etapas (Critérios: Probabilidade de F a ser inserido <= ,050,

Probabilidade de F a ser removido >= ,100).

2 COR APARENTE . Em Etapas (Critérios: Probabilidade de F a ser inserido <= ,050,

Probabilidade de F a ser removido >= ,100).

a. Variável Dependente: TEMPERATURA AMBIENTE

Fonte: SPSS (2016)

Pelo Quadro 2, tem-se que as variáveis independentes inseridas no modelo foram

Temperatura da Água e Cor Aparente.

Page 10: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

10

A seguir, no Quadro 3 é possível constatar que o conjunto de variáveis independentes explica

57,0% da variação na variável dependente.

Quadro 3 – Resumo do Modelo de Regressão Múltipla Stepwise

Resumo do modeloc

Modelo R R quadrado R quadrado ajustado Erro padrão da estimativa

1 ,745a ,554 ,551 ,885816

2 ,755b ,570 ,563 ,873527

a. Preditores: (Constante), TEMPERATURA, ÁGUA

b. Preditores: (Constante), TEMPERATURA, ÁGUA, COR APARENTE

c. Variável Dependente: TEMPERATURA AMBIENTE

Fonte: SPSS (2016)

O R (coeficiente de correlação) do Quadro 3 reflete o grau de associação entre a variável

dependente Temperatura do Ambiente e a variável independente escolhida Temperatura da

Água que é de 0,745 no modelo 1. Já no modelo 2 o valor de R aumenta para 0,755, uma vez

que passa a levar em consideração, além da Temperatura da Água, a variável independente

Cor Aparente.

O R² (coeficiente de determinação) do Quadro 3 indica que 55,4% da variação na variável

dependente Temperatura do Ambiente é explicada pela variável independente Temperatura da

Água no modelo 1. Já no modelo 2 o valor de R² aumenta para 0,57, uma vez que passa a

levar em consideração, além da Temperatura da Água, a variável independente Cor Aparente.

Ambos os modelos apresentaram R² significativamente diferente de zero (teste Z), conforme

comprovado pelo Quadro 4.

Quadro 4 – ANOVA do Modelo de Regressão Múltipla Stepwise

ANOVAa

Modelo Soma dos Quadrados df Quadrado Médio Z Sig.

1

Regressão 115,157 1 115,157 146,759 ,000b

Resíduo 92,591 118 ,785

Total 207,748 119

2

Regressão 118,471 2 59,236 77,630 ,000c

Resíduo 89,277 117 ,763

Total 207,748 119

a. Variável Dependente: TEMPERATURA AMBIENTE

b. Preditores: (Constante), TEMPERATURA, ÁGUA

c. Preditores: (Constante), TEMPERATURA, ÁGUA, COR APARENTE

Fonte: SPSS (2016)

Page 11: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

11

Observando o Quadro 4, a soma total dos quadrados que foi de 207,1748 é o resíduo quadrado

que ocorreria se fosse utilizada apenas a média da variável dependente Temperatura do

Ambiente para predição. Utilizando a variável independente Temperatura da Água esse

resíduo cai para 92,591, considerando o modelo 1. No caso do modelo 2, ou seja, ao utilizar

as variáveis independentes, Temperatura do Ambiente e Cor Aparente, o resíduo é reduzido

para 89, 277.

De acordo com o Quadro 4, tanto no modelo 1 como no modelo 2, o Sig. (0,001) é menor que

α (0,05), portanto, rejeita-se a hipótese que R² é igual à zero. A variável estatística exerce

influência sobre as variáveis dependentes e os modelos são significativos.

O Quadro 5 traz as duas equações encontradas e comprova a significância dos coeficientes.

Quadro 5 – Coeficientes do Modelo de Regressão Múltipla Stepwise

Coeficientesa

Modelo Coeficientes não padronizados

Coeficientes

padronizados t Sig.

B Erro Padrão Beta

1 (Constante) -,757 2,086 -,363 ,717

TEMPERATURA AGUA 1,023 ,084 ,745 12,114 ,000

2 (Constante) -1,896 2,128 -,891 ,375

TEMPERATURA AGUA 1,058 ,085 ,770 12,455 ,000

COR APARENTE ,097 ,047 ,129 2,084 ,039

a. Variável Dependente: TEMPERATURA AMBIENTE

Fonte: SPSS (2016)

O valor previsto para cada observação é o valor do intercepto, ou seja, (Constante) é igual a -

1,896, mais o coeficiente de regressão da Temperatura da Água que é de 1,058 multiplicado

pelo valor da variável independente, mais o coeficiente de regressão da Cor Aparente que é

0,097 multiplicado pelo valor da variável independente. Então, a partir do Quadro 5, o modelo

final estimado pelo software utilizando o método stepwise foi:

Temperatura Ambiente = -1,896 + (-1,058) x Temperatura da Água + 0,097 x Cor

Aparente

Por fim, o Quadro 6 apresenta as variáveis que foram excluídas dos modelos.

Page 12: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

12

Quadro 6 – Variáveis Excluídas do Modelo de Regressão Múltipla Stepwise

Variáveis excluídasa

Modelo Beta In t Sig. Correlação parcial

Estatísticas de

colinearidade

Tolerância

1

CLORO RESIDUAL -,059b -,959 ,340 -,088 ,998

FLÚOR -,026b -,403 ,688 -,037 ,933

TURBIDEZ -,006b -,099 ,922 -,009 ,976

COR APARENTE ,129b 2,084 ,039 ,189 ,961

PH ,032b ,513 ,609 ,047 1,000

2

CLORO RESIDUAL -,044c -,721 ,472 -,067 ,984

FLÚOR -,027c -,421 ,674 -,039 ,933

TURBIDEZ -,021c -,343 ,732 -,032 ,962

PH ,008c ,123 ,903 ,011 ,963

a. Variável Dependente: TEMPERATURA AMBIENTE

b. Preditores no Modelo: (Constante), TEMPERATURA, ÁGUA

c. Preditores no Modelo: (Constante), TEMPERATURA, ÁGUA, COR APARENTE

Fonte: SPSS (2016)

Percebe-se que na primeira tentativa de modelo estimado apenas a variável Cor Aparente

apresenta correlação parcial significativamente diferente de zero, tanto que ela é a próxima a

ser incluída. No segundo modelo, foi excluído o Cloro Residual, Flúor, Turbidez e pH, pois

apresentaram correlação parcial muito próximo a zero.

5. Considerações finais

De um modo geral a sociedade, principalmente as populações mais carentes, enfrentam

diversos problemas, mas o relacionado à questão do saneamento básico é sem dúvida um

dos mais importantes.

Assim, o crescimento acelerado da região urbana traz consigo a questão da fal ta de

infraestrutura, além de prejudicar o saneamento básico, ocasionando uma água sem

qualidade, sem ser potável.

A água quando ingerida sem qualidade traz uma série de problemas, como a proliferação

de doenças que já foram consideradas erradicadas, como, por exemplo, a cólera.

Page 13: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

13

Diante disto, é necessário a implementação de políticas públicas voltadas para a

população procurando ofertar uma água de qualidade, que não traga consequências

negativas, como doenças.

O modelo escolhido não tem o poder de determinar qual variável é mais importante,

constituindo-se a escolha em um dos papéis do pesquisador. Para qualquer modelo que seja

adotado, o critério mais importante é o conhecimento do pesquisador sobre o contexto da

pesquisa.

Referências

AMERICAN PUBLIC HEALTH ASSOCIATION. Standard Methods for the Examination of Water and

Wastewater. 15 ed. New York, 1998. 1134p.

BAIRD, C. Química Ambiental. 2 ed. Bookman, São Paulo, 2002.

BISQUERRA, R.; SARRIERA, J. C.; MATÍNEZ, F. Introdução à Estatística: Enfoque Informático com o

Pacote Estatístico SPSS. Bookman Editora, 2009.

BRASIL. Resolução n° 54, de 15 de junho de 2000. Dispõe sobre o Regulamento Técnico para Fixação de

Identidade e Qualidade de Água Mineral Natural e Água Natural. Diário Oficial da República Federativa do

Brasil, Brasília, DF, 16 jun. 2000, Seção 1.

BRASIL - MINISTÉRIO DA SAÚDE. Normas de Padrão de Potabilidade de Aguas Destinadas ao

Consumo Humano. Portaria nº 2914 de 12 de dezembro de 2011.

COMPANHIA DE SANEAMENTO BÁSICO DO ESTADO DE SÃO PAULO – SABESP. Qualidade da

água. Disponível em:

<http://www.sabesp.com.br/Calandraweb/CalandraRedirect/?Proj=sabesp&Pub=T&Temp=0>. Acesso em: 15

abr. 2016.

GOULART, M. D.; CALLISTO, M. Bioindicadores de Qualidade de Água como Ferramenta em Estudos de

Impacto Ambiental. Revista da FAPAM, v. 2, n. 1, p. 153-164, 2003.

HELENA, B.; PARDO, R.; VEGA, M.; BARRADO, E.; FERNANDEZ J.M.; FERNANDEZ, L. Temporal

Evolution of Groundwater Composition in an Alluvial Aquifer (Pisuerga River, Spain) by Principal Component

Analysis. Water Research, Amsterdam, v.34, n.3, p.807-16, 2000

KULCHESKI, E. Desenvolvimento de Tecnologias Aplicadas à Qualidade da Água. Sanare - Revista Técnica

da Sanepar, Curitiba, v.13, n. 13, 2000.

MCNALLY, M.; DOWNIE, J. The Ethics of Water Fluoridation. J Can Dent Assoc., v. 6, p.592-593, 2000.

MONTGOMERY, D. C.; VINING, G. G.; PECK, E. A. Introduction to Linear Regression Analysis. 3. ed., New

York: John Wiley & Sons, 2001, 641 p.

MOTTA, J. G; BECKHAUSER, A; FREITAG, G; PELISSER, M. R. Qualidade da Água Subterrânea na Região

do Médio Vale do Itajaí-SC. Journal of Health Sciences, v. 16, n. 4, 2014.

NETER, J.; KUTNER, M. H.; NACHTSHEIM, C. J.; LI, W. Applied Linear Statistical Models. 5. ed. New

York: Mc Graw-Hill/Irwin, 2005, 1396 p.

NUNES, J. A. Tratamento Físico-Químico de Águas Residuárias Industriais. 4. ed. Aracaju: J. Andrade,

2004. 298p.

PNMA. Índice e Indicadores de Qualidade da Água – Revisão de Literatura, 2002. Disponível em:

<http://www.cprh.pe.gov.br/downloads/indice-agua-volume1.pdf> Acesso em: 15 de abril de 2016.

RICHTER, C.A.; AZEVEDO NETTO, J.M. Tratamento de água. Tecnologia Atualizada. São Paulo: Edgard

Blucher, 1991, 332 p.

Page 14: UTILIZAÇÃO DA REGRESSÃO LINEAR MÚLTIPLA PARA …abepro.org.br/biblioteca/TN_STO_227_325_30051.pdf · utilizaÇÃo da regressÃo linear mÚltipla para avaliaÇÃo da qualidade

XXXVI ENCONTRO NACIONAL DE ENGENHARIA DE PRODUCÃO Contribuições da Engenharia de Produção para Melhores Práticas de Gestão e Modernização do Brasil

João_Pessoa/PB, Brasil, de 03 a 06 de outubro de 2016. .

14

SILVA, S. P. Avaliação dos Parâmetros Sentinelas de Qualidade da Água de Abastecimento das Escolas

Municipais de Cabedelo/PB. Monografia (Curso Técnico em Meio Ambiente), Instituto Federal da Paraíba,

Cabedelo, 2013.

SIMEONOV, V.; STRATIS, J. A.; SAMARA, C.; ZACHARIADIS, G.; VOUTSA, D.; ANTHEMIDIS, A.;

SOFONIOU, M.; KOUIMTZIS, T. Assessment of the Surface Water Quality in Northen Greece. Water

Research, Amsterdam, v.37, n.17, p. 119-124, 2003.

SPERLING, M. V. Introdução à Qualidade da Águas e do Tratamento de Esgotos. 2 ed. Minas Gerais:

UFMG, 1996. 243p.

SUBCOMMITTEE ON HEALTH EFFECTS OF INGESTED FLUORIDE. Health Effects of Ingested

Fluoride. Washington: National Research Council, 1993, 206 p.

SUSSER, M.; SUSSER, E. Choosing a Future for Epidemiology: I. Eras and Paradigms. Am. J. Public

Health, v. 86, n. 5, p.668-73, 1996.

TEBBUTT, T.H.Y. Principles of Water Quality Control. 15 ed, Oxford: Butterworth Heinemann, 1998, 280p.

TRATA BRASIL. Disponível em <http://www.tratabrasil.org.br/segundo-a-organizacao-mundial-da-

saude-oms-28-mil-pessoas-morrem-por-ano-no-brasil-de-doencas-provocadas-por-agua-contaminada>.

Acesso em: 14 de abril de 2016.

WEISBERG, S. Applied Linear Regression. 3. ed., Nova Iorque: John Wiley & Sons, 2005, 310 p.

WHITFIELD, J. Vital Signs. Nature, v. 411, n. 28, p. 989-990, 2001.

WORLD HEALTH ORGANIZATION. Guidelines for Drinking-Water Quality: Recommendations. World

Health Organization, 2004.


Recommended