Numa reunião sobre refugo numa injetora de plásticos, dois gerentes descrevem o mesmo processo de formas incompatíveis. O de produção diz que o refugo sobe quando o molde esfria demais entre lotes. O da qualidade diz que sobe quando entra matéria-prima de fornecedor novo, e que a temperatura é consequência, não causa — molde frio é o que se observa quando a máquina fica parada esperando ajuste.
Os dois olham os mesmos relatórios. A discordância não é sobre os dados; é sobre qual variável explica qual. E essa pergunta — o que entra como explicação e o que entra como resultado — é anterior a qualquer cálculo.
O que é uma variável preditora
Variável preditora é a variável que se usa para explicar ou estimar o comportamento de outra. Ela ocupa o lado explicativo do problema: é a entrada do modelo, aquilo cujo valor você conhece ou controla e a partir do qual quer prever um resultado.
Do outro lado está a variável resposta, também chamada de variável dependente: o resultado que se quer entender, prever ou melhorar. Em notação, a preditora costuma aparecer como X e a resposta como Y.
A distinção não está na natureza do dado. Temperatura, tempo, quantidade e proporção podem ocupar qualquer um dos dois papéis. O papel é definido pela pergunta, não pela variável. Numa análise sobre refugo, a temperatura do molde é preditora; numa análise sobre por que o molde esfria, a mesma temperatura vira resposta.
O vocabulário varia entre áreas e todos os termos abaixo circulam nos mesmos textos:
| Lado explicativo | Lado do resultado | Onde é mais comum |
|---|---|---|
| Variável preditora | Variável resposta | Estatística aplicada, modelagem |
| Variável independente | Variável dependente | Experimentos, ensino de estatística |
| Variável explicativa | Variável explicada | Econometria |
| Variável X, fator, entrada | Variável Y, saída, característica crítica | Melhoria de processos, Six Sigma |
Um cuidado com a nomenclatura: “independente” sugere que a variável não depende de nada, o que raramente é verdade em dados de processo. Temperatura do molde e tempo de parada da máquina se movem juntos. O termo descreve a posição no modelo, não uma propriedade do mundo.
Como identificar qual é qual
Três perguntas resolvem a maior parte dos casos.
Qual das duas você quer melhorar? Essa é a resposta. Refugo, tempo de espera, custo, taxa de retorno — o resultado que motivou a análise ocupa o lado Y. Se ninguém está insatisfeito com a variável, ela dificilmente é a resposta.
Qual das duas você consegue mexer? Uma preditora útil costuma ser algo sobre o que se pode agir: um parâmetro de máquina, uma quantidade de pessoas alocadas, uma escolha de fornecedor. Variáveis que ninguém controla ainda servem para prever, mas não para melhorar.
Qual vem antes no tempo? Causa precede efeito. Se a suposta preditora é medida depois da resposta, o modelo pode estar invertido — e essa inversão é comum quando as duas medições vêm do mesmo relatório de fim de turno, sem registro de ordem.
Note que a terceira pergunta é a que resolve a discussão da abertura. Temperatura baixa do molde e refugo alto aparecem juntos, mas se a temperatura cai porque a máquina ficou parada aguardando ajuste do material, ela é sintoma da mesma causa que o refugo, não explicação dele.
Exemplo 1 — injeção plástica
A equipe registrou, ao longo de 40 lotes, a temperatura do molde no início da produção e a proporção de peças refugadas do lote. As temperaturas variaram entre 40 °C e 60 °C; o refugo, entre 2% e 10%.
O ajuste indicou uma relação de aproximadamente −0,4 ponto percentual de refugo por grau Celsius adicional, com coeficiente de determinação de 0,64 — ou seja, cerca de 64% da variação observada no refugo é explicada pela variação da temperatura, e 36% vem de outras fontes.
Traduzindo em ação: elevar a temperatura de partida de 44 °C para 52 °C representa 8 graus, e 8 × 0,4 = 3,2 pontos percentuais. O refugo previsto cai de 8,1% para 4,9%. Depois da mudança, o refugo medido nos 20 lotes seguintes ficou em 5,3% — dentro do esperado, considerando o terço da variação que o modelo não explica.
(Números ilustrativos, construídos para o argumento.)
Exemplo 2 — central de atendimento
A resposta era o tempo médio de espera do cliente; a preditora testada, o número de atendentes na escala. O ajuste com essa única preditora explicou 31% da variação — pouco, considerando que a relação parece óbvia.
Acrescentando o volume de chamadas recebidas como segunda preditora, o modelo passou a explicar 78%. A razão é direta: doze atendentes numa terça de baixo volume e doze atendentes numa segunda de pico produzem tempos de espera muito diferentes. Sem a segunda variável, o efeito da primeira ficava embaralhado.
Esse é o caso mais frequente de preditora “fraca”: não é que ela não importe, é que falta outra variável no modelo. Quando duas preditoras se movem juntas e só uma entra na análise, o efeito estimado para ela absorve parte do efeito da que ficou de fora.
(Números ilustrativos, construídos para o argumento.)
Quando a preditora não deve ser usada
Há quatro situações em que uma variável tecnicamente disponível não serve como preditora.
Quando ela é medida depois da resposta. Prever o refugo do lote usando o número de retrabalhos daquele lote não é previsão: as duas medidas descrevem o mesmo evento.
Quando ela é consequência da resposta. Modelar a satisfação do cliente a partir do número de reclamações inverte a ordem causal. O modelo pode até ajustar bem e não serve para decidir nada.
Quando ela varia pouco nos dados. Se a temperatura foi mantida entre 49 °C e 51 °C durante toda a coleta, o modelo não tem como estimar o efeito dela. Ausência de efeito estimado não é o mesmo que ausência de efeito.
Quando duas preditoras carregam a mesma informação. Incluir simultaneamente tempo de ciclo em segundos e peças por hora — que são o inverso uma da outra — torna os coeficientes instáveis e sem interpretação individual confiável.
Onde isso se conecta
A escolha das variáveis é a etapa anterior a todas as ferramentas que trabalham com relação entre grandezas:
A regressão linear é a técnica que estima quanto a resposta muda por unidade de preditora; a decisão de qual variável ocupa cada lado é dada a ela, não descoberta por ela.
A correlação entre variáveis mede a força da associação sem atribuir papéis — trocar X por Y não muda o coeficiente de correlação, o que já indica que a correlação sozinha não decide o que explica o quê.
O diagrama de dispersão é o gráfico onde a relação é inspecionada antes de qualquer ajuste — e onde se enxerga curvatura, agrupamentos e pontos extremos que um coeficiente esconde.
A classificação das variáveis pela natureza do dado — contínua, discreta, nominal, ordinal — é assunto de tipos de variáveis, e determina qual técnica é aplicável a cada caso.
De volta à reunião
A discussão da injetora terminou com uma coleta que ninguém tinha feito: registrar, além da temperatura e do refugo, o tempo de parada anterior a cada lote e a identificação do fornecedor da matéria-prima.
Com as quatro variáveis, a temperatura manteve efeito significativo mesmo controlando o tempo de parada — o gerente de produção estava certo quanto a ela importar por si. E o fornecedor também apareceu como preditora relevante, deslocando o refugo médio em cerca de 1,8 ponto percentual entre os dois fornecedores da amostra — o gerente da qualidade estava certo quanto a isso.
Os dois descreviam pedaços diferentes do mesmo sistema. O que faltava não era um argumento melhor: era decidir explicitamente quais variáveis entravam como explicação, e medir todas elas.
Perguntas frequentes sobre variável preditora
Qual a diferença entre variável preditora e variável resposta?
A preditora é usada para explicar ou estimar; a resposta é o resultado que se quer entender ou melhorar. A mesma grandeza pode ocupar qualquer um dos dois papéis dependendo da pergunta — o papel é definido pelo problema, não pela variável.
Variável preditora é o mesmo que variável independente?
Na prática, os termos são usados como sinônimos. “Independente” é mais comum em contextos experimentais e no ensino; “preditora” predomina em modelagem estatística. A expressão “independente” é um pouco enganosa em dados de processo, porque essas variáveis frequentemente se movem junto com outras.
Uma variável preditora é sempre a causa da resposta?
Não. Uma preditora pode prever bem sem causar nada — basta que compartilhe uma causa comum com a resposta ou seja consequência dela. Estabelecer causa exige mais do que ajuste estatístico: exige ordem temporal, mecanismo plausível e, idealmente, um experimento em que a variável seja deliberadamente alterada.
Quantas variáveis preditoras um modelo deve ter?
O suficiente para representar as fontes relevantes de variação, sem incluir variáveis que carreguem a mesma informação. Preditoras de menos deixam o efeito estimado contaminado pelo que ficou de fora; preditoras redundantes tornam os coeficientes instáveis e difíceis de interpretar individualmente.
O que fazer quando a preditora explica pouco da variação?
Antes de descartá-la, verificar três coisas: se ela variou o bastante nos dados coletados, se falta uma segunda variável que esteja embaralhando o efeito, e se a relação é curva em vez de reta. Um coeficiente baixo com frequência sinaliza problema de coleta ou de especificação do modelo, não ausência de relação.
Escolher bem a variável preditora é suficiente para o modelo funcionar?
Não. A escolha correta dos papéis é condição necessária e não garante nada sozinha: o modelo ainda depende da qualidade da medição, de a faixa de valores coletada cobrir a operação real e de as suposições da técnica escolhida serem verificadas nos resíduos. Uma variável bem escolhida, medida com instrumento ruim, produz um coeficiente igualmente ruim.