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

azão entre a quantidade de variância sistemática e não sistemática. O teste F também segue
esse preceito. Ele é construído sobre a razão entre a melhoria do modelo (SQM) e a diferença
entre o modelo e os dados observados (SQR). As somas dos quadrados, nesse caso, são
dependentes dos números de observação (quanto maior o número de observação, maior o
resultado da soma), então deve-se dividi-las pelos números de observações. O resultado é
chamado de média dos quadrados (MQ).
Para trabalhar com a média das somas dos quadrados é necessário dividi-la pelos
graus de liberdade. Para o SQM os graus de liberdade são simplesmente o número de
variáveis no modelo e para o SQR eles são o número de observações menos o número de
parâmetros sendo estimados (número de coeficientes b incluindo a constante). Os resultados
são a média dos quadrados do modelo (MQM) e a média dos quadrados residuais (MQR).
Pela divisão das médias tem-se a razão F, que é uma medida de quanto o modelo melhorou a
previsão do resultado comparado ao nível de falta de acurácia do modelo, e pode ser
visualizado por:
Em um modelo bom, espera-se que o MQM seja grande e o MQR seja pequeno, ou
seja, um bom modelo deve ter uma razão F grande (pelo menos maior que 1) porque o
numerador será maior que o denominador.
Viu-se também que a equação da regressão linear tem um coeficiente angular b e ele
representa o grau de angulação da reta que representa os dados. O valor de b representa o
quanto a variável dependente se alterou com uma unidade de mudança na variável
independente (VI). Se o modelo for ruim, o valor do coeficiente tende a 0, ou seja, não há
relação entre a VD e a VI. Esse é o caso, por exemplo, do modelo da média, em que quando a
VI muda a VD permanece inalterada. Tem-se então duas consequências para o b = 0, a
primeira de que não há alteração na VD quando a VI muda, a segunda é que a reta é
horizontal.
Para analisar se uma VI prevê significantemente um resultado (VD), então o valor b
tende a ter uma diferença significante de 0. Essa hipótese é testada pelo teste t. Essa técnica
testa a hipótese nula de que o valor de b é zero, assim, se ele for significante, ganha-se
confiança na hipótese de que o valor b é significantemente diferente de 0 e que a variável
preditiva (VI) contribui significantemente para a habilidade de estimar os valores da variável
dependente.
180