Tabela ANOVA (Análise de Variância): forma alternativa de

apresentar os resultados do ajustamento da regressão,

relativamente às somas dos quadrados (SQ),

SQT = SQM a + SQRE

Pn 2
Pn 2
Pn 2
i=1 (Yi − Ȳ ) = i=1 (Ŷi − Ȳ ) + i=1 (Yi − Ŷi )

variação variação variação

= +
total do Y devido à residual
regressão

a
No contexto especı́fico da regressão também se denota por SQR.

– p. 46/52
Coeficiente de Determinação:
Pn
2 SQM i=1 (Ŷi − Ȳ )2
R = × 100% = Pn 2
× 100%
SQT i=1 (Yi − Ȳ )

quantifica a percentagem da variabilidade total do Y que o modelo

explica.
Na prática, e de uma forma genérica, valores acima dos 80% são
considerados bastante razoáveis, mas tudo depende da aplicação
e objectivos em causa.
Nota: Na regressão linear simples o coeficiente de determinação
corresponde ao quadrado do coeficiente de correlação amostral,

– p. 47/52
 Pn 2 2
Pn 2
(Ŷi − Ȳ ) β̂ (x i − x̄)
R2 = Pi=1
n 2
= P1
n
i=1
2
i=1 (Y i − Ȳ ) i=1 (Yi − Ȳ )
Pn 2 Pn
i=1 (xi − x̄)(Yi − Ȳ ) i=1 (xi − x̄)2
= Pn 2
Pn 2
{ i=1 (xi − x̄)2 } i=1 (Yi − Ȳ )
cov 2 (x, Y )
=
var(x)var(Y )
2
= rx,Y .
Pn Pn
Na dedução anterior usou-se i=1 (Ŷi − Ȳ = )2 β̂12 2
i=1 (xi − x̄) .
Note que se β1 ≈ 0, deve ter-se SQT ≈ SQRE.
Fórmula de cálculo:
Pn Pn
2 2
SQRE = SQT − SQM = i=1 (Yi − Ȳ ) − β̂1 i=1 (xi − x̄)2 .

– p. 48/52
Teste ao ajustamento do modelo (modelo significativo):
1. Hipóteses:
H0 : R2 = 0 vs. H1 : R2 > 0
que, já sabemos ser equivalente a H0 : β1 = 0 vs. H1 : β1 6= 0,
na regressão linear simples.
SQM
2. Estatística do teste: SQRE/(n−2) |H0 ∩ F1,n−2 .

3. Região crítica: Teste unilateral, RC = (f1,n−2;α , +∞).

4. Decisão: Não aceitar H0 a α × 100% se

fcalc ∈ RC ou p − value = P (F(1,n−2) > fcalc ) < α.

– p. 49/52
Tabela ANOVA

Fonte g.l. SQ QM fcalc

Pn 2
i=1 (ŷi −ȳ)
Pn 2
Modelo 1 i=1 (ŷi − ȳ) QMModelo /
Pn 1 2
i=1 (ŷi −yi )
Pn 2
Resíduos n−2 i=1 (ŷi − yi ) n−2 QMResíduos
Pn 2
Total n−1 i=1 (y i − ȳ) – –

Tal como referido, o teste F da ANOVA é equivalente ao teste

bilateral t para H0 : β1 = 0 (nota: t2(ν) =distr F1,ν ). No entanto, o
teste F da ANOVA consegue lidar com contextos mais genéricos
do que o simples teste t. Deste ponto de vista, a exposição anterior
pode ser encarada como uma introdução à ANOVA mais complexa
na análise de regressão multivariada.

– p. 50/52
Coeficiente de determinação ajustado:

2 SQRE/(n − 2) SQT /(n − 1) − SQRE/(n − 2)

R ajustado = 1− =
SQT /(n − 1) SQT /(n − 1)

Preferível, por alguns autores, a R2 mas, nenhum por si só deve

ser encarado como uma quantificação sumária do que se
consegue com o modelo.

– p. 51/52