<\/p>\n
Em estat\u00edstica, modelos de regress\u00e3o linear s\u00e3o usados para quantificar a rela\u00e7\u00e3o entre uma ou mais vari\u00e1veis preditoras e uma vari\u00e1vel de resposta<\/a> .<\/span><\/p>\n Cada vez que voc\u00ea realizar uma an\u00e1lise de regress\u00e3o usando software estat\u00edstico, receber\u00e1 uma tabela de regress\u00e3o que resume os resultados do modelo.<\/span><\/p>\n Dois dos valores mais importantes em uma tabela de regress\u00e3o s\u00e3o os coeficientes de regress\u00e3o e seus valores p<\/strong> correspondentes.<\/span><\/p>\n Os valores p informam se existe ou n\u00e3o uma rela\u00e7\u00e3o estatisticamente significativa entre cada vari\u00e1vel preditora e a vari\u00e1vel de resposta.<\/span><\/p>\n O exemplo a seguir mostra como interpretar os valores p de um modelo de regress\u00e3o linear m\u00faltipla<\/a> na pr\u00e1tica.<\/span><\/p>\n Suponha que queiramos ajustar um modelo de regress\u00e3o<\/span> usando as seguintes vari\u00e1veis:<\/span><\/p>\n Vari\u00e1veis preditoras<\/strong><\/span><\/p>\n Resposta vari\u00e1vel<\/strong><\/span><\/p>\n Queremos examinar a rela\u00e7\u00e3o entre as vari\u00e1veis preditoras e a vari\u00e1vel resposta para descobrir se as horas de estudo e de tutoria realmente t\u00eam um impacto significativo nas notas dos exames.<\/span><\/p>\n Suponha que realizemos uma an\u00e1lise de regress\u00e3o e obtenhamos o seguinte resultado:<\/span><\/p>\n Exemplo: Interpretando Valores P em um Modelo de Regress\u00e3o<\/strong><\/span><\/h3>\n
\n
\n