A regressão linear é uma das técnicas estatísticas mais utilizadas em pesquisas acadêmicas quando o objetivo é analisar a relação entre variáveis.
Apesar de sua importância, realizar uma regressão pode parecer complicado para quem está começando. É necessário definir corretamente as variáveis, executar a análise e, depois, compreender os resultados apresentados pelo software.
O Jamovi torna a primeira parte desse processo mais acessível porque permite realizar a regressão linear por meio de uma interface gráfica, sem a necessidade de escrever comandos.
Neste artigo, você verá como fazer uma regressão linear no Jamovi, onde inserir suas variáveis e quais são alguns dos principais resultados apresentados pelo programa.
O que é regressão linear?
De maneira simplificada, a regressão linear permite investigar a relação entre uma variável que desejamos explicar e uma ou mais variáveis que podem estar associadas a ela.
Em uma regressão linear simples, temos uma variável dependente e uma variável independente.
Imagine, por exemplo, uma pesquisa que pretende investigar se o número de horas de estudo está associado ao desempenho de estudantes em uma prova.
Nesse caso, poderíamos definir:
- Variável independente (X): horas de estudo
- Variável dependente (Y): nota obtida na prova
A regressão permite avaliar estatisticamente essa relação.
É importante observar que encontrar uma associação por meio de uma regressão não significa automaticamente demonstrar uma relação causal. A interpretação depende também do desenho da pesquisa, das variáveis utilizadas e dos pressupostos adotados.
Como fazer regressão linear no Jamovi
Com os dados já abertos no Jamovi, o primeiro passo é acessar o menu de análises.
No menu superior, selecione:
Analyses → Regression → Linear Regression
Ao abrir a análise, o Jamovi apresentará os campos utilizados para configurar a regressão.
1. Defina a variável dependente
A variável que você deseja explicar deve ser colocada em:
Dependent Variable
No nosso exemplo, seria:
Nota na prova
Essa é a variável Y do modelo.
2. Defina a variável independente
Se a variável independente for quantitativa, ela deverá ser colocada em:
Covariates
No exemplo:
Horas de estudo
Portanto, teríamos:
- Dependent Variable: Nota na prova
- Covariates: Horas de estudo
Quando existem variáveis preditoras categóricas, o Jamovi disponibiliza também o campo Factors.
O que o Jamovi apresenta depois da regressão?
Depois que as variáveis são configuradas, o Jamovi gera automaticamente diferentes informações estatísticas.
É justamente aqui que muitos estudantes percebem que executar a regressão e interpretar a regressão são problemas diferentes.
Entre os resultados que podem aparecer estão medidas de ajuste do modelo, testes estatísticos e estimativas dos coeficientes.
R²
O R², ou coeficiente de determinação, indica quanto da variação observada na variável dependente é explicada pelo modelo.
Imagine, por exemplo, que uma análise apresente:
R² = 0,40
De forma geral, isso significa que o modelo explica 40% da variabilidade observada na variável dependente.
Mas existe um cuidado importante: olhar apenas para o R² não é suficiente para interpretar toda a regressão.
Coeficiente de regressão
Os coeficientes ajudam a compreender a relação estimada entre a variável independente e a variável dependente.
O sinal do coeficiente também fornece informação importante:
- coeficiente positivo → as variáveis tendem a variar na mesma direção;
- coeficiente negativo → elas tendem a variar em direções opostas.
Entretanto, o coeficiente não deve ser analisado isoladamente. Sua interpretação depende do modelo, da escala das variáveis e dos demais resultados estatísticos.
Valor de p
O valor de p aparece em diferentes testes apresentados durante uma análise de regressão.
Ele é utilizado no processo de avaliação da evidência estatística associada aos testes realizados.
É comum encontrar interpretações do tipo:
- p < 0,05 → significativo
- p > 0,05 → não significativo
Embora essa regra seja frequentemente utilizada, interpretar o resultado apenas dessa forma pode simplificar excessivamente a análise.
O valor de p deve ser compreendido dentro do teste ao qual pertence e em conjunto com as demais informações do modelo.
Fazer a regressão não é o mesmo que interpretar a regressão
Este talvez seja o ponto mais importante para quem está começando.
Executar a regressão no Jamovi pode ser relativamente simples:
selecionar a análise → inserir as variáveis → obter as tabelas.
O desafio seguinte é diferente.
Você precisa compreender o que aqueles resultados dizem sobre sua pergunta de pesquisa.
Imagine novamente a pesquisa sobre horas de estudo e desempenho.
Depois da regressão, não basta observar que:
R² = 0,40 e p < 0,05.
A questão relevante passa a ser:
O que esses resultados permitem afirmar sobre a relação investigada?
É nesse momento que a estatística deixa de ser apenas uma sequência de números e volta a se conectar ao problema que originou a pesquisa.
E como escrever o resultado da regressão?
Depois de executar e compreender a análise, ainda existe outra etapa: transformar os resultados estatísticos em texto acadêmico.
Essa etapa costuma gerar dúvidas porque o output do Jamovi não é o texto que deve ser colocado diretamente em um TCC, artigo, dissertação ou tese.
É necessário decidir quais resultados são relevantes, como relacioná-los à pergunta da pesquisa e como apresentá-los de maneira coerente no texto.
Não existe uma frase universal que possa simplesmente ser copiada para qualquer regressão. O que deve ser relatado depende do modelo utilizado, dos resultados encontrados e do objetivo da análise.
Por isso, é útil separar três tarefas:
executar → interpretar → escrever.
Se você já consegue executar a análise, mas a dificuldade começa quando precisa entender a sequência dos resultados e transformar o output em texto, veja o material específico que preparei para essa etapa:
Aprenda a interpretar a regressão linear no Jamovi e transformar os resultados em texto acadêmico →
Erros comuns ao fazer regressão linear no Jamovi
Colocar as variáveis nos campos errados
Antes de executar a análise, é necessário saber qual variável está sendo explicada e qual desempenha o papel de preditora.
Não escolha os campos apenas olhando os nomes das colunas no banco de dados.
Interpretar apenas o valor de p
Uma regressão produz mais informação do que uma classificação entre “significativo” e “não significativo”.
O modelo precisa ser analisado como um conjunto.
Confundir associação com causalidade
Uma relação estatística entre X e Y não demonstra, por si só, que X causa Y.
Essa conclusão exige suporte do desenho da pesquisa e da fundamentação teórica.
Copiar os números do Jamovi sem interpretá-los
Uma sequência de valores estatísticos não constitui, sozinha, uma discussão de resultados.
Os números precisam responder à questão que levou à realização da análise.
Regressão linear no Jamovi: do software à pesquisa
O Jamovi facilita bastante a execução da regressão linear.
Em poucos passos é possível indicar a variável dependente, definir os preditores e gerar as tabelas necessárias para começar a analisar o modelo.
Mas é útil pensar no processo em etapas diferentes:
executar a análise → compreender os resultados → relacioná-los à pesquisa → escrever.
O software ajuda principalmente na execução e nos cálculos. A interpretação continua dependendo do pesquisador.
E compreender essa diferença é um passo importante para deixar de apenas rodar uma regressão e começar a utilizá-la efetivamente em uma pesquisa.
Perguntas frequentes sobre regressão linear no Jamovi
Como fazer regressão linear no Jamovi?
Com os dados abertos, acesse Analyses → Regression → Linear Regression. Em seguida, coloque a variável dependente em Dependent Variable e as variáveis independentes quantitativas em Covariates.
Onde colocar a variável dependente no Jamovi?
Na regressão linear, a variável que será explicada pelo modelo deve ser colocada no campo Dependent Variable.
O que colocar em Covariates no Jamovi?
Variáveis preditoras quantitativas podem ser colocadas em Covariates. Preditoras categóricas são tratadas como Factors.
O que significa R² na regressão linear?
O R² representa a proporção da variabilidade da variável dependente explicada pelo modelo. Um R² de 0,40, por exemplo, corresponde a 40% da variabilidade explicada pelo modelo.
Um p menor que 0,05 significa que a regressão está correta?
Não. O valor de p está relacionado à evidência estatística de determinado teste. Ele não demonstra, sozinho, que o modelo é adequado, que existe causalidade ou que toda a análise foi realizada corretamente.
O Jamovi escreve os resultados da regressão?
O Jamovi produz as tabelas e os resultados estatísticos. A interpretação e a transformação desses resultados em texto acadêmico continuam sendo tarefas do pesquisador.