Regressão linear imprópria

A navalha de Ockham afirma que a simplicidade é melhor que a busca da precisão a todo custo. Quanto mais simples, melhor. Um pesquisador, Robyn Dawes, sugeriu um método denominado regressão linear “imprópria”.

A técnica de regressão é amplamente aplicada na ciência e utiliza cálculos para representar uma realidade. Se tenho dois conjuntos de dados, uso uma planilha eletrônica ou um software estatístico, e pode ser feito o cálculo da relação entre as variáveis. A coisa é mais complexa, pois é necessário fazer um conjunto de testes para certificar que as suposições da técnica foram atendidas. Mas Dawes despreza isso e propõe que os pesos sejam escolhidos arbitrariamente.

Tim Harford dá um exemplo bastante didático: em uma conferência, Dawes foi desafiado a construir um modelo para prever se um casal é feliz. Ele propôs uma explicação sem rodar nenhum software, baseada em duas variáveis: se a quantidade de sexo fosse maior que a de brigas, o casal seria feliz; caso contrário, quando as brigas excedessem o sexo, o casal seria infeliz. É algo sensato e talvez não impróprio, pois não depende de um estudo científico. Parece que os dados coletados confirmam a hipótese.

Duas questões podem surgir da proposta. Primeiro, será que o modelo de regressão linear imprópria funciona? Em outras palavras, quando tomo um conjunto de dados, a previsão é próxima de uma previsão realizada por um modelo de regressão? Se o modelo funciona, qual é a razão para funcionar? Admitindo uma resposta afirmativa para a primeira questão, um modelo impróprio não é tão arbitrário assim: afinal, é razoável imaginar que há uma relação entre sexo, brigas e felicidade.

Dawes não foi o primeiro, nem será o último, a estudar regras simples. Essas regras são tão comuns que os cientistas deram um nome para elas: heurísticas.