Análise de regressão múltipla

O que é regressão múltipla?

A regressão múltipla modela a relação entre uma variável resposta (y) e múltiplos preditores. Modelo: y = β₀ + β₁x₁ + … + βₚxₚ + ε, estimado por OLS.

Diagnósticos: R², R² ajustado, F-test p-valor, p-valores dos coeficientes, VIF para multicolinearidade.

VIF > 5-10 indica multicolinearidade problemática. Soluções: remover variáveis redundantes, regularização (Ridge, Lasso). Padrões nos resíduos indicam má especificação.

Formula: y = β₀ + β₁x₁ + β₂x₂ + ⋯ + βₚxₚ + ε β = (XᵀX)⁻¹Xᵀy R² = 1 − SS_res/SS_tot R² ajustado = 1 − (1−R²)(n−1)/(n−p−1) VIF_j = 1/(1 − R²_j)

Exemplo de cálculo

Preço de casa por área x₁ e idade x₂. Cinco casas: área 1.300/1.800/1.900/2.000/2.400 pés², idade 10/5/12/25/15 anos, preço $150.000/$233.000/$216.000/$208.000/$249.000. O ajuste por mínimos quadrados dá β₀=50.000, β₁=100, β₂=−2.000. R²=0,92, Adj R²=0,84. VIF=1,2.

Quando usar esta calculadora

• Um pesquisador modelando a relação entre múltiplas variáveis independentes e um resultado para identificar preditores significativos
• Um analista de negócios construindo um modelo preditivo de vendas com base em múltiplos fatores como preço, gasto com publicidade e sazonalidade
• Um engenheiro da qualidade determinando quais variáveis de processo afetam conjuntamente a qualidade do produto usando análise multifatorial
• Um cientista de dados verificando multicolinearidade (VIF) antes de usar coeficientes de regressão para interpretação das variáveis

Erros comuns a evitar

• Incluir preditores altamente correlacionados sem verificar o VIF — a multicolinearidade torna os coeficientes individuais não confiáveis e inversões de sinal são comuns; remova ou combine variáveis redundantes
• Adicionar preditores demais em relação ao tamanho da amostra — a regra prática é de pelo menos 10-20 observações por preditor; o sobreajuste ocorre quando essa razão é baixa demais
• Interpretar magnitudes de coeficientes sem padronizar — um coeficiente de 100 para uma variável medida em milímetros não é 'mais importante' do que um coeficiente de 0.5 para uma variável em metros; compare coeficientes padronizados
• Ignorar o gráfico de resíduos — um bom R-quadrado com resíduos padronizados em padrões indica má especificação do modelo; sempre verifique se os resíduos estão dispersos aleatoriamente

Como interpretar os resultados

• Um R-quadrado ajustado abaixo de 0,5 significa que o modelo explica menos da metade da variação — considere adicionar preditores mais relevantes ou transformar variáveis
• Um p-valor de F abaixo de 0.05 significa que o modelo como um todo é estatisticamente significativo — pelo menos um preditor contribui de forma relevante
• P-valores de coeficientes individuais acima de 0.05 sugerem que aquele preditor pode não contribuir significativamente dadas as demais variáveis — considere removê-lo para simplificar o modelo

Normas e referências relacionadas

• Draper & Smith, Applied Regression Analysis (Wiley) — referência clássica de OLS, incluindo testes F e análise de resíduos
• Kutner, Nachtsheim & Neter, Applied Linear Statistical Models (McGraw-Hill) — tratamento didático da regressão múltipla, do R² ajustado e do VIF
• Belsley, Kuh & Welsch (1980), Regression Diagnostics (Wiley) — referência padrão sobre a detecção de multicolinearidade e observações influentes

Perguntas frequentes

O que é R² ajustado?

R² sempre aumenta com mais variáveis. R² ajustado penaliza o número de preditores. Usar para comparar modelos com diferentes números de variáveis.

O que significa VIF alto?

VIF mede a inflação da variância do coeficiente. VIF=1: sem colinearidade. >5: moderada. >10: severa.