Você está na página 1de 3

22/08/2018 7.

Análise de Regressão | Biologia | Colby College

Biologia

7. Análise de Regressão
Regressão envolve a determinação do grau de relacionamento nos padrões de variação de duas ou mais
variáveis através do cálculo do coeficiente de correlação, r . O valor de r pode variar entre 1,0, correlação
perfeita e -1,0, correlação negativa perfeita. Quando r = 0, há correlação zero, o que significa que a variação de
uma variável não pode ser usada para explicar qualquer variação na outra variável. O coeficiente de
determinação, r 2 , é uma medida de quão bem a variação de uma variável explica a variação da outra e
corresponde à porcentagem da variação explicada por uma linha de regressão de melhor ajuste que é calculada
para os dados.
Na regressão linear simples, uma única variável dependente, Y, é considerada uma função de uma variável X
independente, e a relação entre as variáveis é definida por uma linha reta. (Nota: muitos relacionamentos
biológicos são conhecidos como não-lineares e outros modelos se aplicam.) Quando uma linha de regressão de
melhor ajuste é calculada, sua equação binomial (y = mx + b) define como a variação na variável X explica a
variação na variável Y. A análise de regressão envolve também a medição da quantidade de variação
não levada em conta pela equação de regressão, e essa variação é conhecida como residual. Um teste estatístico
chamado F-test é usado para comparar a variação explicada pela linha de regressão com a variação residual, e o
valor p que resulta do teste F corresponde à probabilidade de que a inclinação da linha de regressão seja zero (
isto é, a hipótese nula).
Como o valor de r 2 aumenta, pode-se colocar mais confiança no valor preditivo da linha de regressão.
Particularmente, quando há muitos pontos de dados usados para gerar uma regressão, uma regressão pode ser
significativa, mas tem um r 2 muito baixo , indicando que pouca variação na variável dependente pode ser
explicada pela variação na variável independente.
No exemplo abaixo, usamos análise de regressão para explorar a relação entre a largura da pétala e o
comprimento da pétala das flores de Iris versicolor . O cálculo de uma regressão é tedioso e demorado. O
software de estatísticas e muitos pacotes de planilhas farão uma análise de regressão para você. A saída para
uma dessas análises é mostrada abaixo.
A tabela resume a análise. Nós configuramos a regressão para que Petal Width seja a variável independente e
Petal Length seja a variável dependente. Queremos tentar prever o Comprimento da Pétala, conhecendo a
Largura da Pétala. Nosso coeficiente de determinação, r 2 , é 0,61. Este valor é razoavelmente grande,
indicando que o conhecimento da largura de uma pétala deve nos permitir fazer uma estimativa precisa do
comprimento da pétala.

http://www.colby.edu/bio/statistics-and-scientific-writing/regression-analysis/ 1/3
22/08/2018 7. Análise de Regressão | Biologia | Colby College

A tabela confirma nosso palpite de uma relação significativa entre as duas variáveis. O valor F na tabela tem
um valor de 77,93 e um valor de p <0,0001. O valor p dá a probabilidade de a inclinação ser zero, o que
indicaria que não há correlação entre as duas variáveis. O baixo valor p indica que a probabilidade de as duas
variáveis não estarem relacionadas é infinitamente pequena.
Podemos também ver os coeficientes da nossa equação de regressão. Lembre-se que a fórmula para uma linha
reta é y = mx + b, onde m é a inclinação eb é a intercepção y.Na tabela, vemos que o intercepto y é 1,7813 e m,
o coeficiente Largura da Pétala, é 1,8693. Portanto, a equação para nossa linha é:
Comprimento da Pétala = (Largura da Pétala * 1.8693) + 1.7813
Finalmente, o software estatístico fornece um gráfico de Comprimento de Pétala versus Largura da Pétala.

http://www.colby.edu/bio/statistics-and-scientific-writing/regression-analysis/ 2/3
22/08/2018 7. Análise de Regressão | Biologia | Colby College
Contato
5720 Mayflower Hill
Waterville, Maine
04901 P: 207-859-5700

http://www.colby.edu/bio/statistics-and-scientific-writing/regression-analysis/ 3/3