Usando análise de comum em regressões múltiplas: uma ferramenta para decompor efeitos de regressão diante da multicolinearidade

Resumo 1. Diante das complexidades naturais e da multicolinearidade, a seleção de modelos e previsões usando regressão múltipla podem ser ambíguas e arriscadas. Efeitos de confusão dos preditores frequentemente obscurecem a avaliação e interpretação dos pesquisadores sobre o melhor ‘modelo mágico’ único. As limitações da regressão passo a passo foram extensivamente descritas na literatura estatística, no entanto, ainda é amplamente utilizada na literatura ecológica. Similarmente, a regressão hierárquica, que é considerada uma melhoria do procedimento passo a passo, não aborda a multicolinearidade. 2. Propomos que a análise de comum de regressão (CA), uma técnica mais comumente usada em psicologia e pesquisa educacional, será útil na interpretação das análises típicas de regressão múltipla realizadas em dados ecológicos. 3. CA decompõe a variância de R² em variância única e comum (ou compartilhada) dos preditores, e, portanto, pode melhorar significativamente as capacidades exploratórias em estudos onde as regressões múltiplas são amplamente utilizadas, particularmente quando os preditores estão correlacionados. CA pode identificar explicitamente a magnitude e a localização da multicolinearidade e da supressão em um modelo de regressão. Neste artigo, usando um conjunto de dados simulado (de uma matriz de correlação) e um conjunto de dados empíricos (seleção de habitat humano, migração de canadenses entre cidades), demonstramos como CA pode ser usado com preditores correlacionados em regressão múltipla para melhorar nossa compreensão e interpretação dos dados. Encorajamos fortemente o uso de CA na pesquisa ecológica como uma análise subsequente de regressões múltiplas.