Quando se quer estabelecer relações que possibilitem predizer uma ou mais variáveis em função de outras, a análise de regressão é a técnica apropriada. Existindo medidas repetidas da variável independente X, para diferentes medidas da variável dependente Y, o modelo de regressão pode ser ajustado de três maneiras diferentes: utilizando os valores individuais de X e Y (considerando todos os dados); com as médias de Y para os níveis de X (tratamento); e, ainda, utilizando as médias ponderadas de Y pelo número de repetições de cada nível de X. O objetivo deste trabalho é ajustar um modelo de regressão linear simples através de valores individuais, com as médias ponderadas e não ponderadas dos tratamentos, a fim de testar os pressupostos para adequação do modelo, bem como, realizar a análise de variância, decompondo a soma de quadrados do erro em seus componentes, avaliando-se a falta de ajuste. Todas as técnicas foram realizada através do suporte computacional SAS. Observa-se que os modelos ajustados para dados individuais e médias ponderadas apresentam os mesmos coeficientes. O teste para falta de ajuste só é possível ser realizado com os dados individuais. A escolha da melhor estratégia adotada para analisar os dados, deve ser decidida pelo pesquisador, mas sugere-se que na disponibilidade dos dados individuais, a melhor estratégia seria estimar o modelo com estes, visto que apresentam informações mais precisas em relação a variabilidade do conjunto de dados, em relação ao uso das médias das variáveis.
