Leia o trecho a seguir:   “Frequentemente vislumbramos, de forma racional ou intuitiva, a relação entre comportamentos de variáveis que se apresent...

Leia o trecho a seguir:

“Frequentemente vislumbramos, de forma racional ou intuitiva, a relação entre comportamentos de variáveis que se apresentam de forma direta ou indireta. Será que se eu frequentar mais as piscinas do meu clube aumentarei a minha massa muscular? Será que se eu mudar de emprego terei mais tempo para ficar com meus filhos? Será que se eu poupar maior parcela de meu salário poderei me aposentar mais jovem? Estas questões oferecem nitidamente relações entre uma determinada variável dependente, que representa o fenômeno que se deseja estudar, e, no caso, uma única variável explicativa. Dessa forma, o objetivo principal da análise de regressão é, portanto, propiciar ao pesquisador condições de avaliar como se comporta uma variável Y com base no comportamento de uma ou mais variáveis X, sem que, necessariamente, ocorra uma relação de causa e efeito”.

FÁVERO, L. P.; BELFIORE, P. Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata®. Rio de Janeiro: Elsevier Brasil, 2017. p. 19.

Para estimarmos a equação de uma regressão, é comum utilizarmos o método dos mínimos quadrados. Sendo assim, podemos afirmar que o método dos mínimos quadrados:

Baseia-se no valor da distância de ligação do vizinho mais longe para construir os valores de coeficientes da regressão linear.

Escolhe uma reta em que a distância entre a nuvem de pontos dos dados que estão sendo analisados e a própria reta seja mínima.

Escolhe uma reta em que as distâncias dos eixos x e y sejam iguais.

Baseia-se na criação de fatores correlacionados para criar os valores de coeficientes da regressão linear.

Escolhe uma reta em que a distância da nuvem de pontos dos dados e a própria reta seja a máxima possível.