<\/p>\n
A regress\u00e3o log\u00edstica<\/strong> \u00e9 um tipo de an\u00e1lise de regress\u00e3o que usamos quando a vari\u00e1vel de resposta<\/a> \u00e9 bin\u00e1ria.<\/span><\/p>\n Podemos usar o seguinte formato geral para relatar os resultados de um modelo de regress\u00e3o log\u00edstica:<\/span><\/p>\n A regress\u00e3o log\u00edstica foi utilizada para analisar a rela\u00e7\u00e3o entre [vari\u00e1vel preditora 1], [vari\u00e1vel preditora 2],\u2026[vari\u00e1vel preditora n<\/em> ] e [vari\u00e1vel resposta].<\/span><\/p>\n Verificou-se que, mantendo todas as outras vari\u00e1veis preditoras constantes, a probabilidade de [vari\u00e1vel de resposta] ocorrer [aumentar ou diminuir] em [alguns por cento] (IC 95% [limite inferior, limite superior]) para um aumento de uma unidade em [vari\u00e1vel preditora 1].<\/span><\/p>\n Verificou-se que, mantendo todas as outras vari\u00e1veis preditoras constantes, a probabilidade de [vari\u00e1vel de resposta] ocorrer [aumentar ou diminuir] em [alguns por cento] (IC 95% [limite inferior, limite superior]) para um aumento de uma unidade em [vari\u00e1vel preditora 2].<\/span><\/p>\n \u2026<\/span><\/p>\n<\/blockquote>\n Podemos usar esta sintaxe b\u00e1sica para relatar odds ratios e o intervalo de confian\u00e7a de 95% correspondente para os odds ratios de cada vari\u00e1vel preditora no modelo.<\/span><\/p>\n O exemplo a seguir mostra como relatar os resultados de um modelo de regress\u00e3o log\u00edstica na pr\u00e1tica.<\/span><\/p>\n Suponha que um professor queira entender se dois programas de estudo diferentes (Programa A e Programa B) e o n\u00famero de horas estudadas afetam a probabilidade de um aluno ser aprovado no exame final de sua turma.<\/span><\/p>\n Ele se ajusta a um modelo de regress\u00e3o log\u00edstica usando horas de estudo e programa de estudo como vari\u00e1veis preditoras e resultado do exame (aprova\u00e7\u00e3o ou reprova\u00e7\u00e3o) como vari\u00e1vel resposta.<\/span><\/p>\n A sa\u00edda a seguir mostra os resultados do modelo de regress\u00e3o log\u00edstica:<\/span><\/p>\n Antes de relatar os resultados do modelo de regress\u00e3o log\u00edstica, devemos primeiro calcular a raz\u00e3o de chances para cada vari\u00e1vel preditora utilizando a f\u00f3rmula e \u03b2<\/sup> .<\/span><\/p>\n Por exemplo, aqui est\u00e1 como calcular a raz\u00e3o de chances para cada vari\u00e1vel preditora:<\/span><\/p>\n Tamb\u00e9m precisamos calcular o intervalo de confian\u00e7a de 95% para a raz\u00e3o de chances de cada vari\u00e1vel preditora usando a f\u00f3rmula e (\u03b2 +\/- 1,96*erro padr\u00e3o)<\/sup> .<\/span><\/p>\n Por exemplo, aqui est\u00e1 como calcular a raz\u00e3o de chances para cada vari\u00e1vel preditora:<\/span><\/p>\n Agora que calculamos a raz\u00e3o de chances e o intervalo de confian\u00e7a correspondente para cada vari\u00e1vel preditora, podemos relatar os resultados do modelo da seguinte forma:<\/span><\/p>\n A regress\u00e3o log\u00edstica foi utilizada para analisar a rela\u00e7\u00e3o entre curr\u00edculo e horas cursadas na probabilidade de aprova\u00e7\u00e3o em exame final.<\/span><\/p>\n Verificou-se que, mantendo constante o n\u00famero de horas de estudo, as probabilidades de aprova\u00e7\u00e3o no exame final aumentaram 41% (IC 95% [0,04; 0,92]) para os alunos que utilizaram o programa de estudos A versus o programa de estudos B.<\/span><\/p>\n Verificou-se tamb\u00e9m que, mantendo o programa de estudos constante, as probabilidades de aprova\u00e7\u00e3o no exame final aumentaram 0,6% (IC 95% [0,002; 0,009]) por cada hora adicional estudada.<\/span><\/p>\n<\/blockquote>\n Observe que relatamos odds ratios para vari\u00e1veis preditoras em oposi\u00e7\u00e3o aos valores beta do modelo porque os odds ratios s\u00e3o mais f\u00e1ceis de interpretar e compreender.<\/span><\/p>\n Os tutoriais a seguir fornecem informa\u00e7\u00f5es adicionais sobre regress\u00e3o log\u00edstica:<\/span><\/p>\n Introdu\u00e7\u00e3o \u00e0 regress\u00e3o log\u00edstica<\/a> A regress\u00e3o log\u00edstica \u00e9 um tipo de an\u00e1lise de regress\u00e3o que usamos quando a vari\u00e1vel de resposta \u00e9 bin\u00e1ria. Podemos usar o seguinte formato geral para relatar os resultados de um modelo de regress\u00e3o log\u00edstica: A regress\u00e3o log\u00edstica foi utilizada para analisar a rela\u00e7\u00e3o entre [vari\u00e1vel preditora 1], [vari\u00e1vel preditora 2],\u2026[vari\u00e1vel preditora n ] e […]<\/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-2179","post","type-post","status-publish","format-standard","hentry","category-guia"],"yoast_head":"\n\n
Exemplo: Relat\u00f3rio de Resultados de Regress\u00e3o Log\u00edstica<\/strong><\/span><\/h3>\n
Coefficients:\n Estimate Std. Error z value Pr(>|z|) \n(Intercept) -2.415 0.623 -3.876 <0.000\nprogram_A 0.344 0.156 2.205 0.027\nhours 0.006 0.002 3.000 0.003\n<\/strong><\/pre>\n
\n
\n
\n
Recursos adicionais<\/strong><\/span><\/h3>\n
Como realizar regress\u00e3o log\u00edstica em R
Como realizar regress\u00e3o log\u00edstica em Python<\/a>
4 exemplos de uso de regress\u00e3o log\u00edstica na vida real<\/a><\/p>\n","protected":false},"excerpt":{"rendered":"