As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
As determinantes locais da paradiplomacia: o caso dos municípios ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Até agora foram apresenta<strong>dos</strong> exemplos de regressão linear quando trabalha<strong>da</strong><br />
apenas uma variável independente; é possível, entretanto, prever a variável dependente com<br />
mais de uma delas. Nesses <strong>caso</strong>s, utiliza-se a regressão linear múltipla. Este modelo é<br />
apenas um pouco mais complexo do que o anterior, mas a ideia é a mesma, assim como os<br />
pressupostos envolvi<strong>dos</strong>. Pode-se representar a regressão linear múltipla por:<br />
<br />
<br />
Ca<strong>da</strong> variável tem um coeficiente angular distinto. Na regressão simples, foi dito que<br />
uma reta representa o modelo e isso é muito fácil de ser visualizado em um gráfico. Na<br />
regressão múltipla, há uma série de variáveis independentes e, portanto, mais de uma<br />
dimensão de explicação. Isso significa que nem sempre a visualização gráfica <strong>da</strong> regressão<br />
múltipla será fácil, assim como a percepção <strong>da</strong> forma com que os coeficientes angulares se<br />
manifestam. Em que pese isso, o modelo ain<strong>da</strong> é bem representado pela equação e os mesmos<br />
princípios <strong>da</strong> regressão simples são váli<strong>dos</strong>.<br />
Quando há mais do que uma variável independente, a divisão <strong>da</strong>s somas <strong>dos</strong><br />
quadra<strong>dos</strong> se mantêm, isso significa que há a mesma noção para o SQT, SQR e SQM. O<br />
coeficiente de correlação simples, entretanto, não é o mesmo. Não faz sentido utilizá-lo<br />
quando há mais do que uma variável preditiva. O que o substitui é uma correlação entre os<br />
valores observa<strong>dos</strong> de Y e os valores previstos de Y pelo modelo de regressão linear múltiplo.<br />
Esse é um coeficiente de correlação múltiplo e é chamado de R múltiplo. Quando os valores<br />
do R múltiplo são grandes, tem-se uma alta correlação entre valores previstos e observa<strong>dos</strong><br />
<strong>dos</strong> resulta<strong>dos</strong> (VD) (quando o valor é 1 a correlação é perfeita). O R múltiplo é também uma<br />
medi<strong>da</strong> de quão bem o modelo prevê os <strong>da</strong><strong>dos</strong> observa<strong>dos</strong>. Da mesma forma, o R² que dele é<br />
retirado pode ser interpretado igualmente como na regressão simples.<br />
Outro ponto importante no modelo múltiplo é que quando se tem muitas variáveis<br />
preditivas é imprescindível selecionar bem quais serão usa<strong>da</strong>s. É importante prestar atenção a<br />
isso, porque os valores que os coeficientes de regressão assumem dependem de quais<br />
variáveis são coloca<strong>da</strong>s no modelo e de como serão adiciona<strong>da</strong>s a ele. A melhor forma de<br />
selecionar as variáveis é por meio de pesquisas anteriores <strong>da</strong> área de estudo. Se novas<br />
variáveis independentes estão sendo acrescenta<strong>da</strong>s aos modelos existentes, então é importante<br />
selecioná-las em ordem de importância teórica. O que não se deve fazer nunca é selecionar<br />
aleatoriamente centenas de variáveis e acrescentá-las ao mesmo tempo, torcendo para que o<br />
melhor aconteça.<br />
182