Em avaliações práticas de modelos de regressão, o comportamento dos resíduos é essencial para a vali...

Alternativa A - −1,82; indica que a observação está abaixo do previsto e pode sugerir inadequação.

Introdução

Na modelagem estatística, a análise de resíduos é a principal ferramenta para validar as premissas de um modelo de regressão. O resíduo representa o erro de predição, ou seja, a diferença entre o valor real observado e o valor que o modelo previu.

Desenvolvimento

O Resíduo Padronizado (ou resíduo studentizado em alguns contextos) é calculado dividindo-se o resíduo bruto pelo desvio padrão estimado do resíduo. A fórmula simplificada é:
Resíduo Padronizado = (Valor Observado − Valor Previsto) ÷ Desvio Padrão do Resíduo.

Este cálculo permite identificar a magnitude do erro em termos de desvios padrão. Valores muito distantes de zero (geralmente acima de |2| ou |3|) podem indicar a presença de outliers ou que o modelo não está capturando corretamente a variabilidade dos dados.

Análise

Considerando os valores implícitos na alternativa correta:

1. Cálculo do Sinal: Se o valor é −1,82, o sinal negativo indica que o Valor Observado < Valor Previsto. Isso significa que o modelo superestimou o resultado real.
2. Significância: Um valor de −1,82 está próximo do limite usual de ±2 desvios padrão. Embora não seja necessariamente um outlier extremo, ele mostra uma discrepância considerável que, se repetida em padrão, sugere que o modelo pode não estar bem ajustado aos dados específicos daquela região da amostra.

Conclusão

O valor de −1,82 reflete um erro negativo (previsão acima da realidade). Em análises de diagnóstico, entender essa magnitude é fundamental para decidir se o modelo precisa de ajustes, como a inclusão de novas variáveis ou a mudança da forma funcional (de linear para não linear).

Alternativa A.