Regressão linear transforma uma relação entre variáveis em uma equação. Em vez de apenas dizer que X e Y estão associados, ela estima quanto Y tende a mudar quando X muda e permite produzir valores previstos dentro do domínio estudado.
Nos materiais fornecidos, a forma simples aparece como Y = a + bX: Y é a resposta, X é a preditora, a é o intercepto e b é a inclinação. A reta é escolhida pelo critério de mínimos quadrados, reduzindo a soma dos quadrados dos resíduos entre os valores observados e os valores previstos.
A equação: Y = a + bX
O intercepto a representa o valor previsto de Y quando X=0. A inclinação b representa a variação média prevista em Y a cada unidade adicional de X. O sinal da inclinação informa a direção: b positivo sugere crescimento; b negativo, redução.
Altura da folha × teor químico
Com os 15 pares apresentados, a regressão simples resulta aproximadamente em:
A inclinação −6,30 significa que, dentro da região estudada, cada metro adicional de altura está associado a uma redução média prevista de cerca de 6,30 mg/g no teor químico.
Para altura de 5 m, a previsão é aproximadamente 47,8 mg/g — o mesmo raciocínio mostrado no material.
Por que “mínimos quadrados”?
Cada observação fica acima ou abaixo da reta. A diferença vertical entre o valor observado e o previsto é o resíduo. O método OLS escolhe os coeficientes que minimizam a soma dos resíduos ao quadrado. Ao elevar ao quadrado, diferenças positivas e negativas não se anulam e desvios grandes recebem peso maior.
Esse critério produz uma reta matematicamente bem definida, mas não garante que a reta seja cientificamente adequada. Se a relação for curva, houver mudanças de variância, dependência temporal ou pontos extremamente influentes, a equação pode parecer precisa e ainda assim representar mal o processo.
Laboratório de regressão simples
O laboratório abaixo usa os dados de altura e teor químico apresentados no material. Você pode substituir pelos seus pares para obter intercepto, inclinação, r, R² e uma previsão para X escolhido.
Ajuste uma reta aos seus dados
O cálculo é feito localmente no navegador e usa mínimos quadrados para uma preditora.
R²: quanto da variação é explicada pela reta?
No modelo simples, R² é o quadrado de r e descreve a proporção da variabilidade observada em Y associada ao ajuste linear. Para o exemplo das folhas, r≈−0,829 e R²≈0,688. Isso não significa “68,8% de causalidade”. Significa que, nesse conjunto e nesse modelo, a reta explica aproximadamente 68,8% da variabilidade observada em Y.
R² deve ser lido com resíduos, conhecimento do processo e objetivo. Um R² alto pode coexistir com uma relação espúria, extrapolação ruim ou observação influente. Um R² modesto pode ser útil em sistemas naturalmente ruidosos se o efeito for real e operacionalmente relevante.
Resíduos: onde o modelo mostra suas limitações
O resíduo é observado − previsto. Se a forma linear for apropriada e as suposições do modelo forem razoáveis, os resíduos não deveriam exibir padrões sistemáticos. Curvas, funis, sequências temporais ou pontos isolados pedem investigação.
- Curvatura pode indicar forma funcional inadequada.
- Variância crescente pode indicar heterocedasticidade.
- Padrão temporal pode indicar autocorrelação.
- Pontos muito afastados podem ser erros, causas especiais ou observações legítimas importantes.
Interpolação e extrapolação não são a mesma coisa
O material apresenta um exemplo marcante: usar a equação das folhas para prever o teor a 15 m gera um valor químico negativo, claramente sem sentido. A matemática apenas prolongou a reta além da região observada; ela não sabia que o processo físico deixava de obedecer à relação.
Interpolar é prever dentro da faixa de X observada. Extrapolar é estender o modelo para uma região sem evidência direta. Quanto mais longe dos dados, maior a dependência de uma hipótese não testada sobre a continuidade da relação.
Por que o gráfico vem antes da equação
O Quarteto de Anscombe mostra quatro bases com a mesma regressão aproximada e a mesma correlação, mas formas visuais muito distintas. Uma reta pode resumir bem uma base, esconder uma curva em outra, ser conduzida por um outlier em outra e ignorar uma concentração vertical na quarta.
A mensagem é quase brutal de tão simples: não confie em uma equação que você ainda não viu desenhada sobre os dados.
Explicar, estimar e prever são objetivos diferentes
Uma regressão pode ser usada para explicar associações, estimar efeitos médios dentro do modelo ou realizar previsões. Esses objetivos mudam o que “bom modelo” significa. Para previsão, desempenho fora da amostra importa. Para interpretação, coerência dos coeficientes e controle de confundimento ganham peso. Para melhoria de processo, é necessário conectar X a uma hipótese causal que possa ser testada.
Checklist antes de usar a equação em decisão
- Plote X e Y e verifique se uma reta é plausível.
- Confirme se a definição e o sistema de medição são consistentes.
- Analise resíduos e pontos influentes.
- Veja se a faixa de X contém a região em que você pretende decidir.
- Não trate R² alto como prova causal.
- Evite extrapolar sem mecanismo que sustente a relação.
- Se houver várias preditoras, avalie regressão múltipla e multicolinearidade.
Ferramenta ajuda a executar. Método ajuda a transformar.
Se o desafio deixou de ser apenas entender um conceito e passou a envolver processo, indicadores, variabilidade, governança ou projeto de melhoria, a Struckel pode estruturar a jornada com sua equipe.