Na minha modesta opinião quase nada substitui a investigação visual de resíduos (nem sempre fáceis de interpretar, dependendo da especificação do modelo), valores preditos, e muita análise descritiva antes da especificação, etc...não acho muito grave por vezes o modelo estar inadequado, desde que se saiba onde está errando (a estimativa pode ser por exemplo um bom indicativo de limiares inferiores, etc...mas desde que se saiba que a estimativa está enviesada).
Eu sou da mesma opinião do Éder e eu ainda eliminaria da face da terra do CV (coeficiente de variação). O meu desapontamento vem do uso que se faz dessas medidas como indicativos de qualidade de modelos de regressão/anova. Eu tenho infinitos contra exemplos, até mesmo porque é fácil de simular, de que altos R² e baixos CV podem apresentar desvios de pressupostos. Essas coisas não são medidas de qualidade! Além do mais, existem pelo menos 8 maneiras diferentes de calcular R² (Kvalseth, 1985), logo, saiba o que você está fazendo.
Kvalseth, T.O. (1985). Cautionary note about R², Amer. Statistician, 39, 279-285.
À disposição.
Walmes.
==========================================================================
Walmes Marques Zeviani
LEG (Laboratório de Estatística e Geoinformação, 25.450418 S, 49.231759 W)
Departamento de Estatística - Universidade Federal do Paraná
fone: (+55) 41 3361 3573
VoIP: (3361 3600) 1053 1173
e-mail: walmes@ufpr.br
twitter: @walmeszeviani
homepage: http://www.leg.ufpr.br/~walmes
linux user number: 531218
==========================================================================
_______________________________________________
R-br mailing list
R-br@listas.c3sl.ufpr.br
https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça código mínimo reproduzível.