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

Como o teste F, o teste-t também é baseado na razão entre a variância explicada pelo
modelo e a não explicada; o que se está interessado, no entanto, não é exatamente nisso, mas
se o b obtido é maior se comparado com a quantidade de erros da estimativa. Para identificar
a quantidade de erro que se podería esperar encontrar em b, usa-se o desvio padrão. Ele diz
quão diferente os valores b seriam nas diferentes amostras.
Poder-se-ia fazer uso de várias amostras em que as variáveis se relacionam e
descobrir os vários valores de b em cada uma delas. Depois é possível colocar essa
distribuição de frequência das amostras num gráfico para ver se os valores b estão
relativamente próximos ou não. A partir daí, utiliza-se o desvio padrão pra ver a distribuição
de desvios (na verdade os desvios padrão entre amostras são os erros padrões, conforme visto
anteriormente) como medida de similaridade entre os b ao longo das amostras. Se o erro
padrão é muito pequeno então se sabe que os valores de b nas amostras são próximos ao b da
amostra. O teste-t mostra se o valor de b é diferente de 0 com relação aos valores que
assumem nas amostras distintas.
O teste-t pode ser representado pela seguinte equação:
Em que o é o valor que se esperaria se a hipótese nula fosse verdadeira.
Conforme apresentado, a hipótese nula é de que b é igual a 0, então é possível substituí-lo por
esse valor. O é o erro padrão com o qual o valor de b observado está relacionado. Os
valores de t tem uma distribuição especial que se diferencia dependendo dos graus de
liberdade do teste. Para a regressão, o grau de liberdade é N – p – 1, em que N é o número de
observações e p é a quantidade de variáveis independentes (no caso da regressão linear
simples o N é 2).
Tendo estabelecido qual distribuição-t deve ser utilizada, os valores observados de t
podem ser comparados aos valores que se esperaria achar se não houvesse nenhum efeito (b =
0). Se t é um valor muito grande então é improvável que ele tenha ocorrido quando o efeito é
inexistente. Os softwares apresentam a exata probabilidade de o valor observado ou maior que
o de t ocorrer se o valor de b fosse 0. Genericamente, pode-se dizer que se a significância
observada for menor que 0,05, então o pesquisador pode considerar que b é significantemente
menor que 0, ou seja, a variável independente faz uma contribuição significante para prever a
variável dependente.
181