O que são resíduos em uma análise de regressão linear e por que eles são importantes?
- A)Resíduos são as diferenças entre os valores observados e os valores ajustados pelo modelo de regressão; e são importantes para avaliar a adequação do modelo.
Correta: resíduo é a diferença entre o observado e o estimado, e sua análise serve para avaliar a qualidade do ajuste.
- B)Resíduos são os valores máximos e mínimos dos dados ajustados pelo modelo e indicam a precisão do ajuste.
Errada: resíduos não são valores máximos e mínimos, mas sim diferenças entre observado e ajustado.
- C)Resíduos representam a variabilidade dos coeficientes de regressão e são usados para calcular os intervalos de confiança dos parâmetros.
Errada: resíduos não representam a variabilidade dos coeficientes; isso se relaciona ao erro padrão e à inferência dos parâmetros.
- D)Resíduos são os valores previstos pelo modelo de regressão e são utilizados para prever novos valores.
Errada: valores previstos são as estimativas do modelo, não os resíduos, que medem o quanto o modelo errou em cada ponto.
Gabarito: A
Em regressão linear, o modelo tenta explicar os valores observados com uma reta. Os resíduos são justamente o que sobra dessa comparação: a diferença entre o valor que foi observado e o valor que o modelo estimou. Em termos simples, é o “erro de ajuste” ponto a ponto. Eles são muito importantes porque ajudam você a verificar se o modelo está realmente fazendo sentido. Se os resíduos forem pequenos e sem padrão aparente, o ajuste tende a ser bom. Se aparecerem padrões estranhos, como curvas, funil ou aglomerações, isso pode indicar que a relação não é bem linear, que há variância irregular ou até que faltou alguma variável importante. Por isso, analisar resíduos é uma etapa básica e valiosa em regressão. Não é só rodar a conta e sair feliz com a equação: é preciso conferir se a reta está descrevendo bem os dados ou se ela está “forçando a amizade” com a realidade. O gabarito A está correto porque define o resíduo como a diferença entre o valor observado e o valor ajustado pelo modelo, além de apontar sua utilidade na avaliação da adequação do modelo. É exatamente essa a leitura padrão em estatística e econometria.