<\/p>\n
A regress\u00e3o log\u00edstica<\/strong> \u00e9 um m\u00e9todo que podemos usar para ajustar um modelo de regress\u00e3o quando a vari\u00e1vel de resposta<\/a> \u00e9 bin\u00e1ria.<\/span><\/p>\n Antes de ajustar um modelo a um conjunto de dados, a regress\u00e3o log\u00edstica faz as seguintes suposi\u00e7\u00f5es:<\/span><\/p>\n A regress\u00e3o log\u00edstica assume que a vari\u00e1vel resposta tem apenas dois resultados poss\u00edveis. aqui est\u00e3o alguns exemplos:<\/span><\/p>\n Como verificar esta suposi\u00e7\u00e3o:<\/strong> basta contar o n\u00famero de resultados \u00fanicos que ocorrem na vari\u00e1vel de resposta. Se houver mais de dois resultados poss\u00edveis, voc\u00ea precisar\u00e1 realizar uma regress\u00e3o ordinal<\/a> .<\/span><\/p>\n A regress\u00e3o log\u00edstica pressup\u00f5e que as observa\u00e7\u00f5es no conjunto de dados s\u00e3o independentes umas das outras. Ou seja, as observa\u00e7\u00f5es n\u00e3o devem provir de medi\u00e7\u00f5es repetidas do mesmo indiv\u00edduo ou estar relacionadas entre si de alguma forma.<\/span><\/p>\n Como testar esta hip\u00f3tese:<\/strong> A maneira mais simples de testar esta hip\u00f3tese \u00e9 criar um gr\u00e1fico de res\u00edduos versus tempo (ou seja, ordem das observa\u00e7\u00f5es) e observar se existe ou n\u00e3o uma tend\u00eancia aleat\u00f3ria. Se n\u00e3o<\/em> houver um padr\u00e3o aleat\u00f3rio, esta suposi\u00e7\u00e3o pode ser violada.<\/span><\/p>\n A regress\u00e3o log\u00edstica assume que n\u00e3o existe multicolinearidade<\/a> s\u00e9ria entre as vari\u00e1veis explicativas<\/a> .<\/span><\/p>\n A multicolinearidade ocorre quando duas ou mais vari\u00e1veis explicativas s\u00e3o altamente correlacionadas entre si, de modo que n\u00e3o fornecem informa\u00e7\u00f5es \u00fanicas ou independentes no modelo de regress\u00e3o. Se o grau de correla\u00e7\u00e3o entre as vari\u00e1veis for alto o suficiente, isso pode causar problemas no ajuste e na interpreta\u00e7\u00e3o do modelo.<\/span><\/p>\n Por exemplo, suponha que voc\u00ea queira realizar uma regress\u00e3o log\u00edstica usando o salto vertical m\u00e1ximo<\/strong> como vari\u00e1vel de resposta e as seguintes vari\u00e1veis como vari\u00e1veis explicativas:<\/span><\/p>\n Nesse caso, a altura<\/strong> e o tamanho do cal\u00e7ado<\/strong> provavelmente est\u00e3o altamente correlacionados, uma vez que pessoas mais altas tendem a ter cal\u00e7ados maiores. Isto significa que a multicolinearidade provavelmente ser\u00e1 um problema se usarmos estas duas vari\u00e1veis na regress\u00e3o.<\/span><\/p>\n Como verificar esta suposi\u00e7\u00e3o:<\/strong> A forma mais comum de detectar multicolinearidade \u00e9 usar o fator de infla\u00e7\u00e3o de vari\u00e2ncia (VIF), que mede a correla\u00e7\u00e3o e a for\u00e7a da correla\u00e7\u00e3o entre vari\u00e1veis preditoras em um modelo de regress\u00e3o. Confira este tutorial<\/a> para uma explica\u00e7\u00e3o detalhada de como calcular e interpretar valores VIF.<\/span><\/p>\n A regress\u00e3o log\u00edstica pressup\u00f5e que n\u00e3o h\u00e1 valores discrepantes extremos ou observa\u00e7\u00f5es influentes no conjunto de dados.<\/span><\/p>\n Como verificar esta suposi\u00e7\u00e3o:<\/strong> A maneira mais comum de testar valores discrepantes extremos e observa\u00e7\u00f5es influentes em um conjunto de dados \u00e9 calcular a dist\u00e2ncia de Cook<\/a> para cada observa\u00e7\u00e3o. Se realmente houver valores discrepantes, voc\u00ea pode optar por (1) remov\u00ea-los, (2) substitu\u00ed-los por um valor como m\u00e9dia ou mediana ou (3) simplesmente mant\u00ea-los no modelo, mas anot\u00e1-los ao relatar a regress\u00e3o . resultados.<\/span><\/p>\n A regress\u00e3o log\u00edstica assume que existe uma rela\u00e7\u00e3o linear entre cada vari\u00e1vel explicativa e o logit da vari\u00e1vel resposta. Lembre-se de que o logit \u00e9 definido como:<\/span><\/p>\n Logit(p) = log(p \/ (1-p)) onde p \u00e9 a probabilidade de um resultado positivo.<\/span><\/p>\n Como testar esta hip\u00f3tese:<\/strong> A maneira mais f\u00e1cil de verificar se esta hip\u00f3tese \u00e9 verdadeira \u00e9 usar um teste de Box-Tidwell.<\/span><\/p>\n A regress\u00e3o log\u00edstica pressup\u00f5e que o tamanho da amostra do conjunto de dados \u00e9 grande o suficiente para tirar conclus\u00f5es v\u00e1lidas do modelo de regress\u00e3o log\u00edstica ajustado.<\/p>\n Como verificar esta hip\u00f3tese:<\/strong> Como regra geral, voc\u00ea deve ter no m\u00ednimo 10 casos com o resultado menos frequente para cada vari\u00e1vel explicativa. Por exemplo, se voc\u00ea tiver 3 vari\u00e1veis explicativas e a probabilidade esperada do resultado menos frequente for 0,20, ent\u00e3o voc\u00ea dever\u00e1 ter um tamanho de amostra de pelo menos (10*3) \/ 0,20 = 150<\/strong> .<\/span><\/p>\n Ao contr\u00e1rio da regress\u00e3o linear, a regress\u00e3o log\u00edstica n\u00e3o requer:<\/span><\/p>\n Relacionado:<\/span><\/strong> As Quatro Suposi\u00e7\u00f5es da Regress\u00e3o Linear<\/a><\/p>\n 4 exemplos de uso de regress\u00e3o log\u00edstica na vida real<\/a> A regress\u00e3o log\u00edstica \u00e9 um m\u00e9todo que podemos usar para ajustar um modelo de regress\u00e3o quando a vari\u00e1vel de resposta \u00e9 bin\u00e1ria. Antes de ajustar um modelo a um conjunto de dados, a regress\u00e3o log\u00edstica faz as seguintes suposi\u00e7\u00f5es: Suposi\u00e7\u00e3o n\u00ba 1: a vari\u00e1vel de resposta \u00e9 bin\u00e1ria A regress\u00e3o log\u00edstica assume que a vari\u00e1vel […]<\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[11],"tags":[],"class_list":["post-1094","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n Suposi\u00e7\u00e3o n\u00ba 1: a vari\u00e1vel de resposta \u00e9 bin\u00e1ria<\/strong><\/span><\/h3>\n
\n
Hip\u00f3tese n\u00ba 2: as observa\u00e7\u00f5es s\u00e3o independentes<\/strong><\/span><\/h3>\n
Hip\u00f3tese n\u00ba 3: n\u00e3o h\u00e1 multicolinearidade entre as vari\u00e1veis explicativas<\/strong><\/span><\/h3>\n
\n
Suposi\u00e7\u00e3o n\u00ba 4: n\u00e3o existem valores discrepantes extremos<\/strong><\/h3>\n
Hip\u00f3tese n\u00ba 5: Existe uma rela\u00e7\u00e3o linear entre as vari\u00e1veis explicativas e o logit da vari\u00e1vel resposta<\/strong><\/span><\/h3>\n
Premissa n\u00ba 6: O tamanho da amostra \u00e9 grande o suficiente<\/strong><\/span><\/h3>\n
Suposi\u00e7\u00f5es de regress\u00e3o log\u00edstica vs. Regress\u00e3o linear<\/strong><\/span><\/h3>\n
\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar regress\u00e3o log\u00edstica no SPSS<\/a>
Como realizar regress\u00e3o log\u00edstica no Excel<\/a>
Como realizar regress\u00e3o log\u00edstica no Stata<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"