Em estudos de regressão múltipla, a multicolinearidade pode prejudicar a estimativa dos coeficientes e comprometer a confiabilidade do modelo. Uma forma de avaliar esse problema é observar o coeficiente de determinação R 2 obtido ao regredir cada variável preditora contra as demais. O resultado pode indicar redundância entre as variáveis independentes. Suponha que um modelo de regressão múltipla com três preditores X 1 ​, X 2 e X 3 ​ foi ajustado, e que o engenheiro responsável calculou os seguintes coeficientes de determinação parciais: Ao regredir X 1 sobre X 2 e X 3 ​, obteve-se R 2 = 0 , 88 Ao regredir X 2 ​ sobre X 1 ​ e X 3 , obteve-se R 2 = 0 , 93 Ao regredir X 3 ​ sobre X 1 ​ e X 2 ​, obteve-se R 2 = 0 , 89 Com base nessas informações, analise as seguintes asserções: I. A presença de multicolinearidade severa é evidente, especialmente associada ao preditor X 2 ​, e isso compromete a interpretação dos coeficientes estimados no modelo de regressão. PORQUE II. O valor de R 2 = 0 , 93 R2=, obtido ao regredir X 2 ​ sobre os demais preditores, indica que aproximadamente 93% da variação de X 2 ​ pode ser explicada por uma combinação linear de X 1 ​ e X 3 , o que caracteriza forte redundância entre as variáveis. A respeito dessas asserções, assinale a alternativa correta: Questão 4Resposta A. A asserção I é uma proposição falsa, e a II é uma proposição verdadeira. B. As asserções I e II são falsas. C. A asserção I é uma proposição verdadeira, e a II é uma proposição falsa. D. As asserções I e II são proposições verdadeiras, mas a II não é uma justificativa da I. E. As asserções I e II são proposições verdadeiras, e a II é uma justificativa da I.