R-quadrado ajustado: o que é, fórmula e como interpretar

O R-quadrado ajustado (R² ajustado) responde a uma pergunta que o R² comum não responde: o seu modelo melhorou de verdade ou só ficou maior? Ele mede quanto da variação da variável dependente é explicada pelas variáveis independentes, mas penaliza a inclusão de variáveis que não agregam poder explicativo. Por isso é a métrica preferida em regressão múltipla aplicada a carteiras, valuation e análise técnica, onde é fácil empilhar fatores e acabar com um ajuste inflado.

O que é o R-quadrado ajustado

O R-quadrado ajustado é uma versão modificada do R² que ajusta o coeficiente de determinação ao número de variáveis independentes do modelo. Enquanto o R² simples tende a crescer sempre que adicionamos novas variáveis, mesmo as que pouco contribuem, o R² ajustado penaliza essa inclusão e devolve uma medida mais honesta da qualidade do ajuste. Em estudos sobre preço das ações, esse cuidado evita superestimar a influência de fatores como os dividendos e as datas do calendário de dividendos.

O R² ajustado também é amplamente utilizado para analisar a volatilidade do mercado de ações, permitindo aos analistas avaliarem como mudanças nas variáveis explicativas influenciam as flutuações de preço. Em termos práticos, quanto mais próximo de 1 for o R² ajustado, melhor o modelo representa a variabilidade dos dados sem ser distorcido por variáveis sem poder explicativo. Para estudos mais avançados, vale combinar essa métrica com testes de forma da distribuição, como a curtose, que ajudam a entender riscos de caudas e outliers.

Fórmula do R-quadrado ajustado

A fórmula para calcular o R² ajustado é a seguinte:

Onde:

• R² = coeficiente de determinação da equação de regressão.
• N = número de observações da amostra.
• p = número de variáveis independentes (preditores) do modelo, sem contar a constante.

A leitura da fórmula é direta: o termo de correção cresce conforme p aumenta em relação a N. Ou seja, acrescentar uma variável só eleva o R² ajustado se o ganho de explicação compensar o custo de um grau de liberdade. É exatamente por isso que ele pode cair quando o R² simples sobe.

Como interpretar o valor do R² ajustado

O R² ajustado mede a fração da variância da variável dependente que pode ser explicada pelas variáveis independentes selecionadas. Isso é especialmente útil na análise técnica, onde padrões como o cup & handle ou níveis de suportes e resistências podem ser validados estatisticamente. Quem aplica abordagens clássicas, como a teoria de Wyckoff, encontra no R² ajustado uma forma objetiva de testar se a relação entre volume, preço e tempo realmente explica os movimentos observados.

Um valor alto de R² ajustado indica que o modelo de regressão se ajusta bem aos dados, enquanto um valor baixo sugere que o modelo pode não ser adequado. Quanto maior o R² ajustado, melhor é o ajuste da equação de regressão, pois implica que as variáveis independentes escolhidas são eficazes para explicar a variação na variável dependente. Em termos práticos, valores acima de 0,7 costumam ser considerados bons em muitos contextos financeiros, mas a referência sempre depende da natureza dos dados e do mercado analisado.

Vale lembrar que o R² ajustado não diz, sozinho, se um modelo é causal ou se ele vai funcionar fora da amostra. Ele é uma métrica de ajuste, não de previsão. Por isso, é fundamental combiná-lo com testes de significância das variáveis, análise de resíduos e validação fora da amostra antes de tomar decisões de investimento baseadas no modelo.

Exemplos práticos do R-quadrado ajustado (com planilha Excel)

Antes de explorar exemplos práticos do uso do R-quadrado ajustado, é essencial entender como ele pode ser aplicado para analisar a relação entre variáveis em um modelo de regressão. Usando uma planilha Excel, podemos calcular o R² ajustado e verificar o quanto a variação de uma variável dependente é explicada por variáveis independentes. Esse tipo de análise é vital para entender a relação entre indicadores financeiros, como o fluxo de caixa e o lucro por ação, em um modelo de análise fundamentalista.

Exemplo 1: Relação entre a distância percorrida e a idade do motorista

Vamos entender o conceito de R² ajustado com um exemplo prático. Suponha que desejamos descobrir a relação entre a distância percorrida por um caminhoneiro e a idade do motorista. Uma regressão é realizada para validar essa relação.

Neste caso, a variável dependente é a distância percorrida pelo caminhoneiro, enquanto a variável independente é a idade do motorista. Após executar a regressão, obtivemos um R² ajustado de 65%. Isso significa que 65% da variação na distância percorrida pode ser explicada pela idade do motorista. Idealmente, quanto mais próximo de 100%, melhor o modelo de regressão para explicar a relação entre as variáveis.

Exemplo 2: Relação entre a altura dos estudantes e o GPA

Outro exemplo é a tentativa de descobrir a relação entre a altura dos alunos de uma turma e suas médias de notas (GPA). Nesse contexto, assim como em análises de indicadores de performance como o índice Sharpe, o R² ajustado pode indicar se a variável dependente está realmente correlacionada com a variável independente. Aqui, a variável dependente é o GPA dos alunos, e a variável independente é a altura. Após realizar a regressão, o resultado foi um R² ajustado insignificante ou negativo, indicando que a variação no GPA não é explicada pela altura. Novamente, um R² ajustado mais próximo de 100% seria o ideal para indicar uma forte relação entre as variáveis.

Importância do R-quadrado ajustado na análise financeira

O R² ajustado é uma métrica essencial para saber se um conjunto de dados é adequado a um modelo de regressão. Ele ajuda a validar se a relação percebida entre duas variáveis é confirmada estatisticamente. Um valor alto de R² ajustado sugere que as variáveis independentes foram escolhidas corretamente para explicar a variável dependente. Para quem busca precisão em modelos de regressão, um coeficiente de determinação próximo de 100% é o mais desejável, sempre considerando o contexto da análise.

Além disso, o R² ajustado pode ser aplicado para avaliar a eficácia de modelos que utilizam variáveis financeiras como o fluxo de caixa, proporcionando uma base sólida para prever o desempenho de uma empresa ou o potencial de um investimento ao longo do tempo. Isso é especialmente útil em análises que envolvem indicadores como a média móvel na análise técnica, em que a precisão na seleção de variáveis pode determinar a eficácia das previsões.

Para compreender o desempenho de modelos financeiros, como aqueles usados para calcular o valor presente (VP) e o valor futuro (VF) de um investimento, é essencial contar com ferramentas de avaliação como o R-quadrado ajustado. Com a Selic em 13,75% e o IPCA acumulado em 12 meses a 4,58% no fechamento de setembro, a escolha de variáveis explicativas relevantes fica ainda mais crítica: a taxa de desconto domina o valuation, e pequenas distorções no modelo têm impacto material no preço-alvo dos ativos.

Por onde começar a usar o R² ajustado

Rode a sua próxima regressão no Excel e compare as duas saídas: se o R² simples subir e o R² ajustado cair, a variável que você acabou de acrescentar está atrapalhando. Esse é o teste mais rápido e barato contra o excesso de variáveis em um modelo. Depois, confirme com significância das variáveis, análise de resíduos e validação fora da amostra antes de levar o resultado para uma decisão de investimento.

Dúvidas comuns sobre o R² ajustado

Fontes consultadas:

• Banco Central do Brasil: meta da taxa Selic
• IBGE: IPCA acumulado em 12 meses