Calculadora de regressão linear múltipla
Digite os valores da variável resposta e duas ou mais colunas de preditores para ajustar uma regressão linear múltipla pelo método dos mínimos quadrados. A calculadora retorna o intercepto, o coeficiente de cada preditor, o R², a equação ajustada e os valores previstos com os resíduos.
Ajuste uma variável resposta com múltiplos preditores
Fórmula da regressão linear múltipla
Onde:
- \(\hat{y}\) — o valor previsto da variável resposta
- \(\beta_0\) — o intercepto: o valor esperado de \(y\) quando todos os preditores são iguais a zero
- \(\beta_j\) — o coeficiente do preditor \(X_j\): a variação esperada em \(y\) quando \(X_j\) aumenta uma unidade, mantendo fixos todos os demais preditores
- \(p\) — o número de preditores
- \(n\) — o número de observações
- \(R^2\) — a proporção da variância de \(y\) explicada pelo modelo
Os coeficientes são estimados por mínimos quadrados ordinários (MQO), que escolhe os valores de \(\beta\) que minimizam a soma dos resíduos ao quadrado \(\sum (y - \hat{y})^2\). Em forma matricial, a solução é \(\hat{\boldsymbol{\beta}} = (\mathbf{X}^T \mathbf{X})^{-1} \mathbf{X}^T \mathbf{y}\); esta calculadora resolve o mesmo problema de mínimos quadrados com uma decomposição QR numericamente estável, em vez de formar \(\mathbf{X}^T\mathbf{X}\) explicitamente.
Regressão linear múltipla – Exemplo de cálculo
Exemplo: oito observações com valores da resposta 7; 12; 11; 16; 15; 20; 19; 24, e dois preditores: \(X_1\) variando de 1 a 8 e \(X_2\) alternando 0, 1, 0, 1, … — exatamente os dados padrão da calculadora.
\[ \hat{y} = 5 + 2X_1 + 3X_2 \]
Resultado: intercepto \(\beta_0 = 5\), coeficientes \(\beta_1 = 2\) e \(\beta_2 = 3\), e \(R^2 = 1\). Cada valor previsto coincide com o valor observado, então todos os resíduos são 0 e a soma de quadrados dos resíduos é 0, de uma soma total de quadrados de 210. Este conjunto de dados foi construído para se ajustar perfeitamente — por isso o R² atinge seu máximo de 1; dados reais quase sempre deixam alguma variação residual e resultam em \(R^2 < 1\).
Como usar a calculadora
- Digite os Valores da variável resposta (y) — um valor por observação, separados por espaços, ponto e vírgula ou quebras de linha. Vírgulas decimais são aceitas.
- Digite as Colunas de preditores (X) — uma observação por linha, com os valores dos preditores daquela observação separados por espaços ou ponto e vírgula. Mantenha as colunas na mesma ordem em todas as linhas e insira pelo menos duas colunas.
- Confira se o número de linhas de X corresponde ao número de valores de y e se todas as linhas têm a mesma quantidade de valores. Você precisa de pelo menos duas observações a mais que o número de preditores.
- Leia os resultados: o Intercepto, a tabela de Coeficientes dos preditores, o R², a tabela de Valores previstos com os resíduos e a equação ajustada com os detalhes do ajuste.
O que é regressão linear múltipla?
A regressão linear múltipla modela uma variável resposta contínua como uma soma ponderada de dois ou mais preditores mais uma constante. Ela estende a regressão linear simples, que usa um único preditor, para situações em que várias variáveis podem influenciar a resposta ao mesmo tempo — por exemplo, prever o preço de um imóvel a partir da área construída, do número de cômodos e da idade, ou a produtividade de uma lavoura a partir da chuva, da temperatura e da quantidade de fertilizante.
<A principal vantagem sobre regressões simples separadas é que cada coeficiente isola a contribuição de um preditor mantendo fixos os demais preditores incluídos. Um coeficiente de 2 para \(X_1\) significa que a resposta deve aumentar 2 unidades a cada aumento de uma unidade em \(X_1\), independentemente dos valores dos outros preditores. É por isso que os coeficientes podem diferir bastante das inclinações que você obteria ao fazer a regressão de cada preditor isoladamente — o modelo separa efeitos que se sobrepõem.
O R² mede o quão bem o plano ajustado (ou hiperplano) acompanha os dados: é a fração da variância de \(y\) explicada pelos preditores. Um R² de 0,80 significa que 80% da variação observada é reproduzida pelo modelo. Note que o R² só pode ficar igual ou aumentar quando se adicionam preditores, então um R² alto com muitos preditores não é automaticamente evidência de um bom modelo — ele apenas descreve o ajuste aos dados usados na estimação.
Para explorar as relações aos pares entre suas variáveis antes de ajustar um modelo, experimente a calculadora de correlação de postos de Spearman ou a calculadora do tau de Kendall.
Premissas, limitações e dicas práticas
- Tamanho da amostra: você precisa de pelo menos \(p + 2\) observações para \(p\) preditores mais o intercepto (a calculadora exige isso). Na prática, busque 10–20 observações por preditor para obter estimativas estáveis.
- Sem colunas redundantes: os preditores não podem ser linearmente dependentes. Se você codificar uma variável categórica com colunas dummy 0/1, inclua uma dummy a menos que o número de categorias — o intercepto absorve a categoria de referência, exatamente como a coluna alternada 0/1 do exemplo.
- Multicolinearidade: preditores altamente correlacionados entre si geram coeficientes instáveis e difíceis de interpretar, ainda que o ajuste geral pareça bom. Verifique primeiro as associações aos pares e elimine ou combine variáveis que se sobrepõem.
- Linearidade: o MQO assume que cada preditor se relaciona linearmente com a resposta, mantendo fixos os demais preditores. Relações curvilíneas muitas vezes podem ser acomodadas adicionando colunas transformadas (por exemplo, um termo ao quadrado) como preditores extras.
- Análise dos resíduos: o modelo assume erros independentes e com variância aproximadamente constante. Inspecionar os resíduos na tabela de previsões ajuda; para dados ordenados no tempo, a calculadora de autocorrelação pode revelar padrões remanescentes nos resíduos, e a calculadora de assimetria e curtose ajuda a identificar dados fortemente não normais.
- Associação não é causalidade: os coeficientes descrevem associações dentro dos seus dados. Afirmar um efeito causal exige um desenho de estudo que o sustente, não apenas um bom ajuste.
- Fique dentro da faixa dos seus dados: previsões muito fora da faixa dos preditores observados são extrapolações e podem estar completamente erradas.
- Sem saída de inferência: esta calculadora apresenta apenas a equação ajustada e o ajuste na amostra; para erros padrão, valores-p e intervalos de confiança, use um software estatístico completo.
Perguntas frequentes
Como calcular uma regressão linear múltipla à mão?
Monte a matriz de planejamento \\(\\mathbf{X}\) com uma primeira coluna de uns para o intercepto e resolva as equações normais \\((\\mathbf{X}^T\\mathbf{X})\\hat{\\boldsymbol{\\beta}} = \\mathbf{X}^T\\mathbf{y}\). Com dois preditores, isso significa resolver um sistema linear 3×3 para \\(β_0, β_1, β_2\). Calcule as previsões a partir da equação ajustada e, em seguida, os resíduos e o R² a partir das somas de quadrados. O processo é trabalhoso além de poucas observações — por isso as calculadoras usam a decomposição QR para garantir estabilidade numérica.
Qual é um bom valor de R² para uma regressão múltipla?
Não existe um limiar universal. Em dados de física ou engenharia, R² acima de 0,9 é comum; em estudos das ciências sociais ou da área da saúde, 0,3–0,5 já pode ser significativo. O que conta como bom depende do ruído de medição e da área. Lembre-se também de que o R² sobe automaticamente quando se adicionam preditores; por isso, compare modelos de tamanhos diferentes usando o R² ajustado e julgue um modelo pela qualidade de suas previsões em dados novos, não apenas pelo ajuste aos dados usados para construí-lo.
Por que meus coeficientes são diferentes das inclinações das regressões simples de cada variável?
Isso é esperado, não é um erro. Na regressão múltipla, cada coeficiente mede o efeito daquele preditor mantendo constantes todos os demais preditores incluídos. Se dois preditores se sobrepõem (por exemplo, área construída e número de cômodos), o modelo divide o poder explicativo compartilhado entre eles, de modo que os coeficientes podem encolher, mudar de sinal ou crescer em relação às regressões simples feitas uma variável por vez. É justamente por isso que a regressão múltipla é útil: ela separa efeitos entrelaçados.
Posso usar variáveis categóricas como gênero ou cidade nesta calculadora?
Sim, mas codifique-as primeiro como variáveis dummy 0/1. Para uma categoria com k níveis, crie k − 1 colunas dummy e insira-as como preditores separados — o nível omitido vira a categoria de referência, absorvida pelo intercepto. Nunca insira uma única coluna com códigos arbitrários como 1, 2, 3 para três cidades, pois isso força o modelo a tratar as categorias como igualmente espaçadas numericamente, o que geralmente está errado.
De quantas observações preciso em relação ao número de preditores?
O mínimo matemático é de duas observações a mais que o número de preditores (incluindo o intercepto), que é o que a calculadora exige — mas isso é pouco demais para resultados confiáveis. Uma regra prática comum é de 10–20 observações por preditor. Com poucas observações, os coeficientes ficam extremamente sensíveis a pontos individuais, o R² infla mecanicamente rumo a 1 e o modelo generaliza mal para dados novos.
Por que recebo um erro sobre colunas linearmente dependentes ou redundantes?
Os preditores precisam conter informações independentes. O erro aparece se uma coluna é constante, um múltiplo exato de outra ou uma soma de outras — por exemplo, incluir dummies para todos os níveis da categoria, que sempre somam 1 e duplicam a coluna do intercepto. Elimine ou combine a coluna redundante. Colunas quase dependentes (por exemplo, uma coluna de temperatura em °C e outra em °F) também disparam o erro, porque o ajuste se torna numericamente instável.
Qual é a diferença entre R² e R² ajustado?
O R² mede a fração da variância de y explicada pelo modelo, mas ele nunca diminui quando você adiciona um preditor — até um preditor aleatório e inútil o eleva um pouco. O R² ajustado penaliza o número de preditores em relação ao tamanho da amostra, então pode cair quando você adiciona uma variável que não justifica sua presença. Use o R² ajustado para comparar modelos com números diferentes de preditores; esta calculadora apresenta o R² simples, que descreve o ajuste aos dados de estimação.