Em estatística, um regressor é o nome dado a qualquer variável num modelo de regressão que é utilizada para prever uma variável de resposta.

Um regressor é também designado por:

  • Uma variável explicativa
  • Uma variável independente
  • Uma variável manipulada
  • Uma variável preditora
  • Uma caraterística

Todos estes termos são utilizados indistintamente consoante o tipo de domínio em que se trabalha: estatística, aprendizagem automática, econometria, biologia, etc.

Nota: Por vezes, uma variável de resposta é designada por "regressão".

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

onde:

  • Y: A variável de resposta
  • β i : Os coeficientes dos regressores
  • x i : Os regressores
  • ε: O termo de erro

O objetivo da construção de um modelo de regressão é compreender como as alterações num regressor conduzem a alterações numa variável de resposta (ou "regressando").

Note-se que os modelos de regressão podem ter um ou mais regressores.

Quando existe apenas um regressor, o modelo é designado por modelo de regressão linear simples e quando existem vários regressores, o modelo é designado por modelo de regressão linear múltipla para indicar que existem múltiplo regressores.

Os exemplos seguintes ilustram como interpretar os regressores em diferentes modelos de regressão.

Exemplo 1: Rendimento da cultura

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

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

Este modelo tem dois regressores: Fertilizante e Solo.

Eis como interpretar estes dois regressores:

  • Fertilizante: Por cada libra adicional de fertilizante utilizado, o rendimento da cultura aumenta em média 3,56 libras, assumindo que a quantidade de solo é mantida constante.
  • Solo: Por cada libra adicional de solo utilizado, o rendimento das culturas aumenta em média 1,89 libras, assumindo que a quantidade de fertilizante se mantém constante.

Exemplo 2: Notas de exames

Suponha que um professor está interessado em perceber como é que a quantidade de horas estudadas afecta as notas dos exames. Ele recolhe dados e constrói o seguinte modelo de regressão:

Nota do exame = 68,34 + 3,44*(Horas de estudo)

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