O que é um regressor? (definição e exemplos)

Nas estatísticas, um regressor é o nome dado a qualquer variável em um modelo de regressão usado para prever uma variável de resposta.

Um regressor também é chamado:

• Uma variável explicativa
• Uma variável independente
• Uma variável manipulada
• Uma previsão variável
• Uma característica

Todos esses termos são usados indistintamente dependendo do tipo de área em que você trabalha: estatística, aprendizado de máquina, econometria, biologia, etc.

Nota: Às vezes, uma variável de resposta é chamada de “regressável”.

Regressores em modelos de regressão

A maioria dos modelos de regressão assume a seguinte forma:

Y = β ₀ + B ₁ x ₁ + B ₂ x ₂ + B ₃ x ₃ + ε

Ouro:

• Y: a variável de resposta
• β _i : Os coeficientes para os regressores
• x _i : Os regressores
• ε: O termo de erro

O objetivo de construir um modelo de regressão é entender como as mudanças em um regressor levam a mudanças em uma variável de resposta (ou “regressor”).

Observe que os modelos de regressão podem ter um ou mais regressores.

Quando há apenas um regressor, o modelo é chamado de modelo de regressão linear simples e quando há múltiplos regressores, o modelo é chamado de modelo de regressão linear múltipla para indicar que existem múltiplos regressores.

Os exemplos a seguir ilustram como interpretar regressores em diferentes modelos de regressão.

Exemplo 1: Rendimento da colheita

Suponha que um agricultor queira compreender os factores que afectam o rendimento total da colheita (em libras). Ele coleta dados e constrói o seguinte modelo de regressão:

Rendimento da colheita = 154,34 + 3,56*(libras de fertilizante) + 1,89*(libras de solo)

Este modelo possui dois regressores: Fertilizante e Solo.

Veja como interpretar esses dois regressores:

• Fertilizante: Para cada quilo adicional de fertilizante usado, o rendimento da colheita aumenta em média 3,56 libras, assumindo que a quantidade de solo permanece constante.
• Solo: Para cada quilo adicional de solo utilizado, o rendimento da colheita aumenta em média 1,89 quilos, assumindo que a quantidade de fertilizante permanece constante.

Exemplo 2: resultados do exame

Suponha que um professor queira entender como o número de horas estudadas afeta as notas dos exames. Ele coleta dados e constrói o seguinte modelo de regressão:

Nota do exame = 68,34 + 3,44* (horas estudadas)

Este modelo inclui um regressor: horas estudadas. Interpretamos o coeficiente deste regressor como significando que para cada hora adicional estudada, a nota do exame aumenta em média 3,44 pontos.

Recursos adicionais

Como interpretar coeficientes de regressão
Como testar a significância de uma inclinação de regressão
Como ler e interpretar uma tabela de regressão