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.