Questão de Estatística — Regressão Linear — FGV 2024

Análise dos resíduos na regressão linear simples

Gabarito: letra E. Todos os cinco problemas listados — não-linearidade, não normalidade dos erros, heterocedasticidade, correlação entre erros e presença de outliers — são detectáveis por intermédio da análise dos resíduos. A análise dos resíduos é a principal ferramenta de diagnóstico do modelo de regressão linear, pois permite verificar se as premissas do modelo (linearidade, normalidade, homocedasticidade e independência dos erros) foram violadas, além de identificar observações atípicas.

A regressão linear simples pressupõe que o erro aleatório tenha média nula, variância constante e que os erros sejam independentes entre si. Quando essas premissas são violadas, o modelo pode produzir estimativas viesadas ou ineficientes, e a análise dos resíduos é exatamente o instrumento para detectar essas violações. Os resíduos são as diferenças entre os valores observados e os valores ajustados pelo modelo, e seus padrões gráficos revelam problemas estruturais.

A banca explora aqui o conhecimento das premissas do modelo e de como verificá-las. Cada item corresponde a uma premissa ou a um problema clássico que a análise residual consegue evidenciar. Vamos analisar cada um.

Item I — ✅ Correto

A não-linearidade da relação entre as variáveis é detectada pela análise dos resíduos. Se o modelo linear for ajustado a uma relação que não é linear, os resíduos apresentarão um padrão sistemático (por exemplo, uma curva em forma de U ou de sino) quando plotados contra os valores ajustados ou contra a variável independente. Esse padrão indica que a forma funcional do modelo está incorreta, sugerindo a necessidade de transformações ou de um modelo não linear.

Item II — ✅ Correto

A não normalidade dos erros é uma violação da premissa de que os erros seguem distribuição normal. A análise dos resíduos permite verificar essa premissa por meio de gráficos como o histograma dos resíduos, o gráfico de probabilidade normal (Q-Q plot) ou testes de normalidade (como Shapiro-Wilk). Embora a não normalidade não invalide as estimativas pontuais dos coeficientes, ela afeta a validade dos testes de hipóteses e dos intervalos de confiança, especialmente em amostras pequenas.

Item III — ✅ Correto

A heterocedasticidade, ou variância não constante dos erros, é detectada quando os resíduos apresentam dispersão crescente ou decrescente ao longo dos valores ajustados. No gráfico de resíduos versus valores ajustados, a heterocedasticidade aparece como um padrão de "cone" ou "leque", em que a amplitude dos resíduos varia. Isso viola a premissa de homocedasticidade, afetando a eficiência dos estimadores e os erros padrão.

Item IV — ✅ Correto

A correlação entre os erros, também chamada de autocorrelação, é um problema comum em dados de séries temporais. A análise dos resíduos pode revelar autocorrelação por meio do gráfico de resíduos versus ordem temporal (ou versus valores ajustados), que mostra um padrão sistemático (por exemplo, resíduos positivos seguidos de positivos). O teste de Durbin-Watson é uma ferramenta formal para detectar autocorrelação de primeira ordem.

Item V — ✅ Correto

A presença de outliers ou observações atípicas é facilmente identificada na análise dos resíduos. Outliers são observações que se afastam drasticamente do padrão geral dos dados, resultando em resíduos muito grandes em valor absoluto. Gráficos de resíduos padronizados ou studentizados, além de medidas de influência (como a distância de Cook), ajudam a identificar essas observações, que podem ter impacto desproporcional nas estimativas do modelo.

Conclusão: todos os itens I, II, III, IV e V estão corretos, portanto a alternativa correta é a letra E.

Gabarito: letra E