Introdução

O modelo de Regressão Linear aplicado as variáveis de interesse será usado para analisar perfomance.

Assumindo uma relação linear(em média) de duas variáveis cria-se o modelo:

Regressão linear da amostra: \[\begin{equation} \hat{Y} = \hat{\beta}_0 + \hat{\beta}_1 X_i + \epsilon_i \end{equation}\]

\[\begin{equation} \epsilon_i =\text{estimado - real} \end{equation}\]

Exemplo

Vamos usar o exemplo abaixo e verificar quais hospitais tiveram melhor performance.

Hospital	A	B	C	D	E	F	G	H
Consultas	200	300	300	400	500	500	600	800
Faturamento	1000	3000	2000	3000	4000	2000	3000	5000

Usando Regressão Linear

Pode ser usado a regressão linear como modelo de performance.

Faz-se a análise de dados, cria-se um modelo de acordo com os indicadores escolhidos.

O foco é na média. Pontos acima da média significam que a unidade está com boa performance, da mesma forma, pontos abaixo da média significa que estão com performance ruim.

O que pode ser melhorado é justamente a distância entre o valor real o valor estimado da regressão(resíduo).

Hospital	A	B	C	D	E	F	G	H
Consultas	200	300	300	400	500	500	600	800
Faturamento	1000	3000	2000	3000	4000	2000	3000	5000
meta	1577	2096	2096	2615	3135	3135	3654	4292
proporção	0.63	1.43	0.95	1.15	1.27	0.64	0.82	1.16

A meta foi calculada usando o modelo encontrado:

Modelo:

\[\text {Faturamento_meta} =538.462+ 5.192 \times \text{consultas} \]