Dentro do campo da ciência estatística, muitas técnicas foram criadas para analisar dados e descobrir relações entre eles. A análise de regressão linear é uma dessas ferramentas criadas para esse propósito e também para possibilitar fazer previsões com confiabilidade estatística.
A regressão é considerada linear quando se considera que a relação entre os dados obtidos gera uma função linear, ou seja, uma linha reta entre as variáveis x e y localizados em um gráfico. Aqueles que mostram não conter esse tipo de relação são chamados de regressão não linear.
A Análise de Regressão Linear, ajuda a investigar um relacionamento, ou correlação entre duas variáveis, além do tempo em que ocorrem e podem ser realizadas previsões, da mesma forma que o estudo da tendência, sazonalidade e ciclicidade. Quando se tem apenas uma variável dependente, ou variável de resposta, se relacionando com uma variável independente, ou preditora, é chamada de regressão linear simples, enquanto aquelas que contem mais de uma variável independente em relação a uma variável dependente são chamadas de regressão linear múltipla.
Após coletados os dados, é possível verificar se existe realmente correlação entre as variáveis. Devem-se calcular os coeficientes lineares e angulares através do método dos mínimos quadrados e utilizando a ferramenta Excel para disponibilizar a equação que representa esses dados.
Em resumo, vamos calcular os dados que nos interessam, sendo o primeiro o valor de P que é um teste estatístico para verificar se as variáveis da equação são válidas para a análise. Segundo a regra, se o valor de P for maior ou igual a 0,10 (P>=0,1) então não pode ser usado e a equação não é válida, se for menor que 0,10 (P<0,10) será mantido e a equação é estatisticamente válida neste conceito.
O outro resultado estatístico é o R-quadrado ajustado (R2aj), que é o coeficiente de determinação múltipla, calculado usando o R2 e o erro padrão. Como é o Excel que nos dá este valor, o que precisamos saber é que quanto mais próximo a 100% melhor será a qualidade e confiabilidade de equação de regressão. Segundo a regra, se este valor estiver acima de 80% já é considerada de boa qualidade, desde que todos os critérios estejam também OK.
Utilize a planilha de Análise de Regressão Linear Simples deste template, link abaixo, para fazer automaticamente todos os cálculos, apresentar os gráficos para análise e as fórmulas para a previsão do valor da sua variável de interesse no futuro.
