Como o R Quadrado é Calculado (Fórmula, Entradas e Limites)
Resposta direta: o que é o R quadrado?
O R quadrado (frequentemente escrito R²) é um número que descreve quanta variação em um alvo observado (a variável dependente) é explicada por um conjunto de previsões ajustadas (a saída do modelo). Em sua forma mais comum, o R² é calculado a partir de duas quantidades:
- Variação total nos dados observados
- Variação residual (não explicada) após usar as previsões ajustadas
Interpretação, em termos simples: se a variação residual é pequena comparada com a variação total, o R² é maior; se a variação residual é grande, o R² é menor.
Mecanismo: a fórmula e cada entrada necessária
1) Definir os dados
Para calcular o R², você precisa de uma coleção de valores observados e dos valores ajustados (previstos) correspondentes.
- Valores observados: (y_1, y_2, \dots, y_n)
- Valores ajustados (previstos): (\hat{y}_1, \hat{y}_2, \dots, \hat{y}_n)
- A média amostral dos valores observados: (\bar{y} = \frac{1}{n}\sum_{i=1}^{n} y_i)
Onde (n) é o número de pontos de dados que você está avaliando.
2) Calcular as somas de quadrados
O R² usa somas de quadrados baseadas em diferenças das médias e diferenças das previsões ajustadas.
-
Soma total dos quadrados (variação em torno da média): [ \mathrm{SQT} = \sum_{i=1}^{n} (y_i - \bar{y})^2 ]
-
Soma residual dos quadrados (variação restante após o ajuste): [ \mathrm{SQR} = \sum_{i=1}^{n} (y_i - \hat{y}_i)^2 ]
3) Calcular o R quadrado
Na definição mais comum: [ R^2 = 1 - \frac{\mathrm{SQR}}{\mathrm{SQT}} ]
Isso requer (\mathrm{SQT} > 0). Se todos os (y_i) observados forem idênticos, então (\mathrm{SQT}=0) e o R² não é definido de forma significativa nesta forma.
4) Escolha prática fundamental: em quais dados o (\hat{y}) é calculado?
A fórmula em si não especifica se o (\hat{y}) vem de:
- os mesmos dados usados para ajustar o modelo (dentro da amostra), ou
- dados separados não usados durante o ajuste (fora da amostra)
Usar valores ajustados dentro da amostra frequentemente infla o desempenho para modelos flexíveis. Usar previsões fora da amostra geralmente dá uma noção mais realista de quão bem a relação generaliza, mas pode diminuir o R² mesmo quando o modelo é direcionalmente útil.
Evidência ou exemplo: um cálculo concreto (com suposições explícitas)
Suponha que você tenha (n=3) valores observados (y) e um modelo que produz valores ajustados (\hat{y}) para os mesmos três pontos.
Seja:
- (y = [2,\ 4,\ 6])
- (\hat{y} = [2,\ 5,\ 5])
Etapa 1: calcular a média [ \bar{y} = (2+4+6)/3 = 4 ]
Etapa 2: calcular (\mathrm{SQT}) [ \mathrm{SQT} = (2-4)^2 + (4-4)^2 + (6-4)^2 = 4 + 0 + 4 = 8 ]
Etapa 3: calcular (\mathrm{SQR}) [ \mathrm{SQR} = (2-2)^2 + (4-5)^2 + (6-5)^2 = 0 + 1 + 1 = 2 ]
Etapa 4: calcular o R² [ R^2 = 1 - 2/8 = 1 - 0.25 = 0.75 ]
Sob este cálculo, 0.75 indica que a variação residual é um quarto da variação total (para esta configuração de avaliação).
Limitações e modos de falha: o que o R quadrado pode errar
O R² é amplamente usado, mas não é uma garantia de utilidade. Várias limitações materiais podem fazer com que ele engane.
1) Sobreajuste quando avaliado dentro da amostra
Se um modelo é flexível e você calcula o R² usando valores ajustados no mesmo conjunto de dados do qual ele aprendeu, os erros residuais podem ser artificialmente pequenos. Isso pode produzir um R² alto mesmo quando o modelo não captura uma relação estável.
2) Incompatibilidade de não linearidade
O R² mede quão bem os valores previstos correspondem aos valores observados por meio dos resíduos. Ele não garante que a relação subjacente tenha uma estrutura particular (por exemplo, linearidade), a menos que sua abordagem de modelagem imponha essa estrutura.
Um modelo pode mostrar um R² moderado ou alto enquanto ainda é inadequado para extrapolação além do intervalo de dados, porque o R² é descritivo para o conjunto de avaliação, não uma lei universal.
3) Efeitos de escala e pré-processamento
Como a SQT e a SQR dependem da escala de (y), etapas de pré-processamento (como diferenciação, normalização ou transformações) podem alterar o R². Dois analistas trabalhando com transformações diferentes podem obter valores de R² diferentes mesmo que a “qualidade” do ajuste seja comparável.
4) O R² pode ser indefinido ou pouco intuitivo
- Se (\mathrm{SQT}=0), a fórmula quebra.
- Dependendo de como as previsões são produzidas e se você usa definições alternativas (como variantes ajustadas), o valor pode ser menos intuitivo do que “percentual explicado”.
5) Relação vs. causalidade
O R² quantifica quão de perto as previsões acompanham as observações. Ele não estabelece por que a relação existe. Mesmo com um R² alto, a associação pode refletir fatores compartilhados, artefatos de dados ou padrões coincidentes.
Verificação e próxima pergunta: como verificar de forma independente um R quadrado relatado
Se você vir um R² relatado, pode verificar o cálculo checando estes fatos, sem depender de alegações sobre desempenho futuro:
- Confirme o tamanho do conjunto de dados de avaliação (n).
- Obtenha os valores observados (y_i).
- Identifique os valores ajustados/previstos (\hat{y}_i) usados para calcular os erros residuais.
- Recalcule (\bar{y}), SQT, SQR e, então, (R^2 = 1 - \mathrm{SQR}/\mathrm{SQT}).
Se o provedor ou a calculadora não declarar quais (\hat{y}) são usados (dentro da amostra vs. fora da amostra) e qual pré-processamento foi aplicado, o R² relatado ainda é matematicamente definido, mas a comparação entre configurações se torna incerta.
Uma pergunta de acompanhamento útil é como o R² difere quando calculado para noções relacionadas (por exemplo, usando diferentes divisões de avaliação ou formas de modelagem), porque essas escolhas mudam o que o R² realmente mede.