Regressão Linear e Logística no Concurso SEFAZ-SC: O Que Estudar

O Edital nº 01/2026 do concurso da Secretaria de Estado da Fazenda de Santa Catarina (SEFAZ-SC), para o cargo de Auditor Fiscal com formação em Ciências Econômicas, traz um bloco específico chamado Estatística Computacional e Econometria Avançada, dentro do qual os Modelos de Regressão Linear e Logística ocupam posição central. Quem está se preparando para a prova, marcada para 22 de novembro de 2026, precisa dominar tanto os fundamentos quanto as pegadinhas conceituais que a banca FGV costuma explorar nesse tema.

Na regressão linear, estimada pelo método de Mínimos Quadrados Ordinários (MQO), o edital cobra o entendimento de propriedades como a nulidade da soma dos resíduos, a passagem da reta estimada pelo ponto das médias amostrais, e a relação entre o sinal do coeficiente angular e o sinal da correlação entre as variáveis. Um erro comum é assumir que a distribuição do estimador é automaticamente normal — isso só vale sob a hipótese adicional de que os erros do modelo sejam normalmente distribuídos, não é uma propriedade garantida apenas pela minimização dos quadrados dos resíduos.

Já a regressão logística exige uma mudança de raciocínio: como a variável dependente é binária, o modelo é estimado por máxima verossimilhança, não por MQO, e não existe um R² tradicional para medir o ajuste. Em seu lugar, usa-se o pseudo R² de McFadden, que compara o log-verossimilhança do modelo completo com o do modelo nulo. Uma armadilha frequente de prova é achar que valores de pseudo R² próximos de 1 são esperados — na prática, valores entre 0,2 e 0,4 já indicam um ajuste excelente nesse tipo de modelo.

Outro ponto de atenção na regressão logística é a interpretação do coeficiente estimado: diferente da regressão linear, onde o coeficiente já representa o efeito marginal direto sobre a variável dependente, na logística é preciso aplicar a função exponencial ao coeficiente (e elevado a beta) para obter a razão de chances (odds ratio) associada a um aumento de uma unidade na variável explicativa. Comparar diretamente o valor bruto do coeficiente entre os dois tipos de modelo é um erro clássico que a prova explora.

Esse bloco de Estatística Computacional e Econometria Avançada também costuma exigir noções de métodos computacionais como o Bootstrap — uma técnica de reamostragem com reposição usada para estimar a distribuição amostral de um estimador sem depender de uma distribuição teórica assumida, especialmente útil quando essa distribuição é desconhecida ou de difícil dedução analítica.

Para quem está montando o planejamento de estudos até novembro, a recomendação é clara: não tratar regressão linear e logística como "o mesmo assunto com nomes diferentes". São modelos com premissas, métodos de estimação e formas de interpretação distintas — e é exatamente nessa distinção que a banca costuma construir as questões mais difíceis da prova.