As determinantes locais da paradiplomacia: o caso dos municípios ...

ao invés de somente analisar a variabilidade, tenta-se prever uma variável com base em outra.
A essência do modelo é encaixá-lo aos dados e usá-lo para prever os valores da variável
dependente (VD) a partir de uma (regressão linear simples) ou mais variáveis
independentes (VI) (regressão linear múltipla). Outra característica é que a variável
dependente numa regressão linear é quantitativa.
No começo da explicação estatística foi dito que todos os modelos possuem uma
ideia básica representada por:
Na regressão, o modelo é linear, ou seja, ele pode ser substituído por uma linha reta.
Toda reta pode ser definida por duas características, a primeira é o coeficiente angular ( ,
que representa o seu grau de inclinação, e a segunda é o ponto em que a reta cruza com o eixo
das ordenadas (eixo vertical do gráfico), chamado de intercepto . O modelo acima,
quando trabalha com apenas uma variável preditiva (VI), é chamado de regressão linear
simples e pode ser representado por:
Em que é o resultado que se quer prever e o é o score do participante da
variável preditiva. O e o são chamados de coeficientes de regressão e o é o termo
residual que representa o score previsto pela reta para o participante n e o score que o
participante n, de fato, obteve (às vezes esse termo é suprimido da equação). Cabe lembrar
que o coeficiente angular define se a relação é positiva (reta ascendente) ou negativa (reta
decadente). Em suma, sabendo os valores dos coeficientes de regressão e do score é possível
prever o valor da variável dependente.
Quando se tem uma série de dados, é possível obter várias retas distintas que podem
representar os resultados existentes. Nesse sentido, é necessária uma forma para escolher,
entre todas as retas, àquela que melhor descreve os dados. A forma mais simples de fazer isso
seria olhar todas as retas possíveis e visualmente escolher uma, mas esse método é pouco, ou
nada, efetivo. O que se podem fazer, em vez disso, é utilizar uma técnica matemática chamada
de método dos mínimos quadrados. Anteriormente foi visto no modelo das médias que se
poderia acessar a adequação do modelo pelo desvio entre o modelo (a média em si, naquele
177