Seu próximo nível começa aqui
Seu desenvolvimento não pode ter limites. Garanta sua Assinatura Ilimitada e libere uma preparação completa com os melhores professores do Brasil.
Na aplicação de um modelo de regressão linear múltipla com intercepto, um pesquisador o...
Na aplicação de um modelo de regressão linear múltipla com intercepto, um pesquisador observou que a soma dos quadrados da regressão representava 75% da soma dos quadrados total, o que indicava coeficiente de determinação de 0,75. Ao testar a significância global do modelo por meio do teste F, ele obteve um p-valor de 0,08 ao nível de 5%. O pesquisador, então, decidiu remover uma variável explicativa que apresentou o maior p-valor no teste t individual e reestimar o modelo. No novo modelo, a soma dos quadrados da regressão diminuiu, mas surpreendentemente o teste F global indicou significância ao nível de 5%.
A partir dessa situação hipotética, assinale a opção correta no que diz respeito à explicação para o fenômeno aparentemente paradoxal verificado.
A
O resultado demonstra que a variável removida estava causando multicolinearidade severa que inflava artificialmente a soma de quadrados da regressão, mas reduzia a estatística F, e sua remoção restaurou a ortogonalidade entre os regressores, o que permitiu que o teste F detectasse corretamente a significância do modelo.
B
A aparente melhora na significância resulta de violação do pressuposto de normalidade dos erros no modelo original, que foi parcialmente corrigida pela remoção da variável; a variável excluída estava introduzindo assimetria nos resíduos, e sua ausência aproximou a distribuição dos erros à normalidade, o que validou o teste F.
C
O fenômeno é possível e resulta da mudança na estrutura dos graus de liberdade: embora a soma de quadrados da regressão tenha diminuído com a remoção da variável, o quadrado médio da regressão pode ter aumentado e, simultaneamente, o quadrado médio dos resíduos pode ter diminuído suficientemente, o que alterou favoravelmente a razão F, considerando-se especialmente a redução de um grau de liberdade nos regressores.
D
O resultado é impossível e indica erro computacional, pois a remoção de qualquer variável explicativa necessariamente reduz tanto a soma de quadrados da regressão quanto a estatística F, dado que o modelo mais complexo sempre se ajusta de forma melhor ou igual aos dados que o modelo mais simples.
E
O fenômeno ocorre porque o R-quadrado ajustado, que penaliza a inclusão de variáveis irrelevantes, aumentou no modelo reduzido, e, como o teste F é baseado no R-quadrado ajustado em vez de no R-quadrado usual, a estatística F necessariamente aumenta quando o R-quadrado ajustado aumenta.