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

caso) e os dados coletados. Para a regressão, é possível fazer exatamente o mesmo
procedimento para encaixar a linha nos dados. O interesse, nesse caso, é nos desvios entre os
dados e a linha, já que na regressão a reta é o modelo. Só que na regressão, os desvios são
chamados de resíduos, apesar de significarem a mesma coisa.
Assim como nas médias, as distâncias ou resíduos podem ser positivos ou negativos
e se somar todos, os valores serão calculados, encontrando o resultado 0. Da mesma forma
dos modelos anteriores, podem-se elevar os resultados ao quadrado antes de somá-los. Esse
resultado dará uma noção se a linha particular se encaixa bem nos dados. Se os resultados
forem grandes, a linha não representa bem os dados, se forem pequenos, a linha é
representativa.
Poder-se-ia então calcular as somas dos quadrados de todas as linhas e comparar qual
delas tem o menor resultado, sendo esta a reta que melhor representa os dados. O problema é
que é impraticável fazer isso (as retas são infinitas). Por sorte, a própria técnica da soma dos
mínimos quadrados seleciona a linha com menor resultado.
A partir do momento que a linha que melhor se encaixa é identificada, pode-se
analisar quão bem ela faz isso. Esse procedimento de goodness of fit é importante porque
mesmo que essa linha seja a que melhor se encaixa, ela ainda pode ser uma má representante
dos dados. Foi visto anteriormente que a medida de adequação de um modelo pode ser dada
genericamente pela equação:
Se o interesse é buscar a linha que melhor se encaixa, é necessário compará-la com
alguma coisa, e o que se escolhe é o modelo mais básico de todos. Calcula-se com a equação
acima a adequação do modelo mais básico e do modelo que melhor se encaixa (a reta
escolhida) e, se o modelo é pelo menos um pouco bom, ele deve se encaixar significantemente
melhor que o mais básico.
O modelo mais básico em questão é o da média. Ele tem sérios problemas,
especialmente para analisar a relação entre as variáveis. Na verdade, esse é um modelo de não
relação entre as variáveis porque independentemente dos valores que a variável independente
assume, o resultado que fornece é sempre a média da variável dependente; a média,
entretanto, é o modelo mais simples disponível e é o usado para notar quão bem a reta
representa os dados da amostra.
178