{"id":4494,"date":"2023-07-10T16:08:37","date_gmt":"2023-07-10T16:08:37","guid":{"rendered":"https:\/\/statorials.org\/pt\/interpretar-a-regressao-logistica-na-origem\/"},"modified":"2023-07-10T16:08:37","modified_gmt":"2023-07-10T16:08:37","slug":"interpretar-a-regressao-logistica-na-origem","status":"publish","type":"post","link":"https:\/\/statorials.org\/pt\/interpretar-a-regressao-logistica-na-origem\/","title":{"rendered":"Como interpretar a intercepta\u00e7\u00e3o de regress\u00e3o log\u00edstica (com exemplo)"},"content":{"rendered":"

<\/p>\n

\n

A regress\u00e3o log\u00edstica<\/a> \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

Quando ajustamos um modelo de regress\u00e3o log\u00edstica, o termo original na sa\u00edda do modelo representa o logaritmo das probabilidades da vari\u00e1vel resposta ocorrer<\/strong> quando todas as vari\u00e1veis preditoras s\u00e3o iguais a zero.<\/span><\/p>\n

No entanto, como as probabilidades logar\u00edtmicas s\u00e3o dif\u00edceis de interpretar, geralmente enquadramos a intercepta\u00e7\u00e3o em termos de probabilidade.<\/span><\/p>\n

Podemos usar a seguinte f\u00f3rmula para entender a probabilidade de ocorr\u00eancia da vari\u00e1vel resposta, dado que cada vari\u00e1vel preditora no modelo \u00e9 zero:<\/span><\/p>\n

 P = e \u03b2 0<\/sub><\/sup> \/ (1 +e \u03b2 0<\/sub><\/sup> )\n<\/strong><\/pre>\n
 O exemplo a seguir mostra como interpretar uma intercepta\u00e7\u00e3o de regress\u00e3o log\u00edstica na pr\u00e1tica.
<\/span><\/p>\n
 Exemplo: como interpretar a intercepta\u00e7\u00e3o de regress\u00e3o log\u00edstica<\/strong><\/span><\/h2>\n
 Suponha que queiramos ajustar um modelo de regress\u00e3o log\u00edstica usando g\u00eanero<\/strong> e n\u00famero de exames pr\u00e1ticos realizados<\/strong> para prever se um aluno ser\u00e1 aprovado ou n\u00e3o no exame final de uma aula.<\/span><\/p>\n
 Suponha que ajustamos o modelo usando software estat\u00edstico (como R, Python<\/a> , Excel<\/a> ou SAS<\/a> ) e recebemos o seguinte resultado:<\/span> <\/p>\n\n\n\n\n\n\n
<\/th>\n Estimativa do coeficiente<\/strong><\/span><\/th>\n Erro padr\u00e3o<\/strong><\/span><\/th>\n Valor Z<\/strong><\/span><\/th>\n Valor P<\/strong><\/span><\/th>\n<\/tr>\n
 Interceptar<\/strong><\/span><\/td>\n -1,34<\/span><\/td>\n 0,23<\/span><\/td>\n 5,83<\/span><\/td>\n <0,001<\/span><\/td>\n<\/tr>\n
 G\u00eanero (Masculino = 1)<\/strong><\/span><\/td>\n -0,56<\/span><\/td>\n 0,25<\/span><\/td>\n 2.24<\/span><\/td>\n 0,03<\/span><\/td>\n<\/tr>\n
 Exames pr\u00e1ticos<\/strong><\/span><\/td>\n 1.13<\/span><\/td>\n 0,43<\/span><\/td>\n 2,63<\/span><\/td>\n 0,01<\/span><\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n
 Podemos ver que o termo original tem um valor de -1,34<\/strong> .<\/span><\/p>\n
 Isto significa que quando o g\u00e9nero<\/strong> \u00e9 zero (ou seja, o aluno \u00e9 do sexo feminino) e quando os exames pr\u00e1ticos<\/strong> s\u00e3o zero (o aluno n\u00e3o realizou nenhum exame pr\u00e1tico de prepara\u00e7\u00e3o para o exame final), as probabilidades logar\u00edtmicas de o aluno passar no exame s\u00e3o de -1,34<\/strong> . .<\/strong> .<\/span><\/p>\n
 Como as probabilidades logar\u00edtmicas s\u00e3o dif\u00edceis de entender, podemos reescrever as coisas em termos de probabilidade:<\/span><\/p>\n
 Relacionado:<\/strong> Como interpretar coeficientes de regress\u00e3o log\u00edstica<\/a><\/span><\/p>\n