Como interpretar o summary(lm) do R, linha por linha

A saída do summary(lm) é provavelmente o bloco de texto mais intimidante que um estudante encontra ao usar o R pela primeira vez. São vinte linhas de números sem rótulos amigáveis, siglas em inglês e notação científica. A boa notícia: essa saída tem estrutura fixa, e cada elemento responde a uma pergunta específica. Depois de entender a lógica uma vez, você lê qualquer regressão em trinta segundos.

Vamos dissecar um exemplo completo. Suponha um estudo que investiga se idade e renda predizem um escore de qualidade de vida:

Call:
lm(formula = qualidade_vida ~ idade + renda, data = dados)

Residuals:
     Min       1Q   Median       3Q      Max 
-12.4531  -3.2104   0.1876   3.4522  11.9087 

Coefficients:
             Estimate Std. Error t value Pr(>|t|)    
(Intercept)  42.35601    4.51203   9.388  < 2e-16 ***
idade         0.81230    0.12450   6.524 4.56e-09 ***
renda        -0.14560    0.08920  -1.632    0.105    
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Residual standard error: 5.124 on 147 degrees of freedom
Multiple R-squared:  0.4231,	Adjusted R-squared:  0.4152 
F-statistic: 53.89 on 2 and 147 DF,  p-value: < 2.2e-16

Bloco 1 — Call

Reproduz exatamente o modelo ajustado. Parece trivial, mas é sua principal proteção contra o erro mais custoso da análise: reportar resultados de um modelo diferente daquele que você pensa ter rodado. Depois de vinte tentativas de especificação, é fácil perder o fio. Sempre confira o Call antes de copiar números para o texto.

A notação y ~ x1 + x2 lê-se "y explicado por x1 e x2". O til separa desfecho de preditores.

Bloco 2 — Residuals

Resíduo é o erro do modelo para cada observação: o valor observado menos o valor previsto. O R mostra os cinco números descritivos dessa distribuição.

O que você deve verificar aqui é a simetria. Num modelo bem ajustado, a mediana fica próxima de zero e o mínimo e o máximo têm magnitudes semelhantes. No exemplo: mediana de 0,19 (próxima de zero), mínimo de −12,45 e máximo de 11,91 — razoavelmente simétricos, e o primeiro e terceiro quartis quase espelhados. Sinal de que o pressuposto de normalidade dos resíduos é plausível.

Sinais de alerta: mediana muito distante de zero indica assimetria; um extremo três ou quatro vezes maior que o outro sugere outliers influentes ou relação não linear que o modelo linear não captura. Nesses casos, investigue com plot(modelo), que produz os quatro gráficos diagnósticos padrão.

Bloco 3 — Coefficients (o coração da análise)

É daqui que sai praticamente todo o conteúdo que você reportará. Cada linha é uma variável, cada coluna uma informação diferente sobre ela.

Coluna Estimate

O coeficiente estimado, na unidade original das variáveis. É o número mais interpretável de toda a saída, e o que você deve destacar.

• (Intercept) = 42,356 — o valor previsto de qualidade de vida quando todas as preditoras valem zero. Cuidado: frequentemente isso não tem significado substantivo. Uma pessoa com zero anos de idade e zero de renda não existe. O intercepto é matematicamente necessário, mas raramente interpretável por si só. Se quiser que ele signifique algo, centralize as preditoras na média — aí o intercepto passa a ser o valor previsto para o indivíduo médio.
• idade = 0,812 — cada ano adicional de idade associa-se a um aumento de 0,812 ponto no escore de qualidade de vida, mantendo a renda constante. Essa última cláusula é o que distingue regressão múltipla de correlações separadas: o coeficiente é o efeito parcial, já descontada a influência das outras preditoras.
• renda = −0,146 — o sinal negativo indica direção inversa, mas veja a coluna de p-valor antes de interpretar: esse coeficiente não é significativo. Interpretar a direção de um coeficiente não significativo é erro comum — a estimativa é indistinguível de zero.

Coluna Std. Error

O erro-padrão do coeficiente: a incerteza da estimativa. Quanto menor em relação ao Estimate, mais precisa a estimativa. Serve para construir o intervalo de confiança de 95%, que aproximadamente é o coeficiente mais ou menos duas vezes o erro-padrão. Para idade: 0,812 ± 2 × 0,124, ou seja, aproximadamente de 0,56 a 1,06. No R, obtenha o valor exato com confint(modelo).

Regra prática útil: se o intervalo de confiança contém zero, o coeficiente não é significativo a 5%. É a mesma informação do p-valor, expressa de forma mais informativa — e revistas de qualidade preferem intervalos de confiança a p-valores isolados.

Coluna t value

Simplesmente o Estimate dividido pelo Std. Error. É a estatística de teste que gera o p-valor. Como referência mental: valores de t com módulo acima de aproximadamente 2 correspondem a p menor que 0,05 em amostras de tamanho razoável. Para idade, t = 6,524 — bem acima do limiar. Para renda, t = −1,632 — abaixo.

Coluna Pr(>|t|)

O p-valor bilateral. Testa a hipótese nula de que aquele coeficiente é igual a zero, isto é, de que a variável não contribui para explicar o desfecho, controladas as demais.

Duas notações confundem iniciantes:

• 4.56e-09 é notação científica: 0,00000000456. Reporte como p < 0,001.
• < 2e-16 é o limite de precisão numérica do R — o p-valor é tão pequeno que não pode ser representado. Reporte também como p < 0,001. Nunca escreva "p = 0,000", que é matematicamente impossível e sinaliza desconhecimento.

Os asteriscos e os Signif. codes

Marcação visual da significância: três asteriscos para p < 0,001, dois para p < 0,01, um para p < 0,05, um ponto para p < 0,1. Úteis para leitura rápida da saída, mas não os reproduza no texto corrido da dissertação — reporte o p-valor numérico. Em tabelas, asteriscos são aceitáveis desde que a legenda explique a convenção.

Bloco 4 — Residual standard error

O desvio-padrão dos resíduos: o erro típico de previsão do modelo, na unidade do desfecho. Aqui, 5,124 pontos. Significa que as previsões do modelo erram, em média, cerca de 5 pontos no escore de qualidade de vida.

Esse número só é interpretável em relação à escala da variável. Se o escore varia de 0 a 100, errar 5 pontos é bom. Se varia de 0 a 10, é um modelo praticamente inútil. Compare sempre com o desvio-padrão original do desfecho — se o erro residual é próximo do desvio-padrão bruto, o modelo não está agregando poder explicativo.

Os 147 graus de liberdade equivalem a n menos o número de parâmetros estimados. Com três parâmetros (intercepto e duas preditoras), a amostra tinha 150 observações válidas. Útil para conferir se o R descartou casos com dados faltantes sem você perceber — um dos erros silenciosos mais frequentes na prática.

Bloco 5 — R² e R² ajustado

Multiple R-squared: 0,4231. O modelo explica 42,31% da variância do desfecho. Varia de 0 a 1, e quanto maior, melhor o ajuste.

Adjusted R-squared: 0,4152. O mesmo indicador, penalizado pelo número de preditoras. Isto existe porque o R² sempre aumenta quando você adiciona variáveis, mesmo variáveis puramente aleatórias e sem qualquer relação com o desfecho. O R² ajustado só aumenta se a variável adicionada agregar poder explicativo real. Em regressão múltipla, reporte o ajustado — é o indicador honesto.

Quanto é "bom"? Depende radicalmente da área. Em física ou engenharia, R² de 0,95 é esperado. Em ciências sociais, psicologia e educação, R² entre 0,20 e 0,40 é comum e publicável, porque comportamento humano tem muitas fontes de variação não medidas. Não persiga R² alto às custas de incluir preditoras sem fundamentação teórica — isso é overfitting, e o modelo não generalizará para novos dados.

Bloco 6 — F-statistic

Testa a significância global do modelo: a hipótese nula de que todos os coeficientes das preditoras são simultaneamente zero, ou seja, de que o modelo inteiro não explica nada além do que a média do desfecho explicaria.

No exemplo, F = 53,89 com 2 e 147 graus de liberdade, p < 2,2 × 10⁻¹⁶. O modelo é globalmente significativo.

Este é o primeiro número que você deve olhar, antes dos coeficientes individuais. Se o F global não é significativo, examinar coeficientes individualmente é problemático — você estará fazendo múltiplas comparações sem proteção contra falsos positivos.

Como escrever isso na dissertação

Note a estrutura: primeiro o modelo global, depois o poder explicativo, depois cada preditora com estimativa, precisão e significância, e por fim a interpretação substantiva na unidade original. Essa é a sequência que bancas e revisores esperam.

Pressupostos que o summary não mostra

Uma saída bonita não garante um modelo válido. Verifique sempre, com plot(modelo):

• Linearidade — gráfico "Residuals vs Fitted". Os pontos devem espalhar-se aleatoriamente em torno da linha horizontal. Um padrão em curva indica relação não linear.
• Normalidade dos resíduos — gráfico "Normal Q-Q". Os pontos devem seguir a diagonal. Note: a normalidade exigida é dos resíduos, não das variáveis originais — equívoco muito comum.
• Homocedasticidade — gráfico "Scale-Location". A dispersão deve ser constante ao longo dos valores previstos. Um formato de cone indica heterocedasticidade.
• Observações influentes — gráfico "Residuals vs Leverage". Pontos com distância de Cook acima de 1 merecem investigação individual.
• Multicolinearidade — não aparece nos gráficos. Use car::vif(modelo). Valores de VIF acima de 5 indicam preditoras redundantes entre si, o que infla erros-padrão e desestabiliza os coeficientes.

Erros frequentes

• Escrever "p = 0,000". Impossível. Use "p < 0,001".
• Interpretar coeficiente não significativo. Se p = 0,105, a estimativa é indistinguível de zero — não afirme que "houve tendência de redução".
• Interpretar o intercepto sem sentido substantivo. Mencione que é apenas parâmetro do modelo, ou centralize as preditoras.
• Afirmar causalidade. "Preditora" é termo técnico da estrutura matemática. Regressão sobre dados observacionais não estabelece causa.
• Reportar R² em vez do ajustado em modelo múltiplo.
• Esquecer de verificar os graus de liberdade. Se o n do modelo é menor que o esperado, o R descartou casos com dados faltantes silenciosamente.

Referências

• FOX, J.; WEISBERG, S. An R companion to applied regression. 3. ed. Thousand Oaks: Sage, 2019.
• JAMES, G. et al. An introduction to statistical learning. 2. ed. New York: Springer, 2021.
• KUTNER, M. H. et al. Applied linear statistical models. 5. ed. Boston: McGraw-Hill, 2005.