1 / 13

Regressão Logística

Regressão Logística. Modelos de regressão não linear são usados, em geral, em duas situações: casos em que as variáveis respostas são qualitativas e os erros não são normalmente distribuídos.

hilda
Download Presentation

Regressão Logística

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript


  1. Regressão Logística Modelos de regressão não linear são usados, em geral, em duas situações: casos em que as variáveis respostas são qualitativas e os erros não são normalmente distribuídos. O modelo de regressão não linear logístico binário é utilizado quando a variável resposta é qualitativa com dois resultados possíveis, por exemplo, sobrepeso de crianças (tem sobrepeso ou não tem sobrepeso). Este modelo pode ser estendido quando a variável resposta qualitativa tem mais do que duas categorias; por exemplo, a pressão sanguínea pode ser classificada como alta, normal e baixa.

  2. Modelos de regressão com variáveis respostas binárias Em muitos estudos a variável resposta tem duas possibilidades e, assim, pode ser representada pela variável indicadora, recebendo os valores 0 (zero) e 1 (um). Exemplos: 1) o objetivo da análise é verificar a proporção de óbitos neonatais com função da mãe ter diabetes mellitus tipo 1. A variável resposta tem duas possibilidades: a criança morreu ou não. Estes resultados podem ser codificados como 1 e 0 (de acordo com o interesse). 2) Num estudo sobre a participação das esposas no mercado de trabalho, como função da idade da esposa, número de filhos e rendimento do marido, a variável resposta Y foi definida do seguinte modo: a mulher participa no mercado de trabalho ou não. Novamente, estas respostas podem ser codificadas como 1 e 0, respectivamente.

  3. Exemplo:

  4. MODELO GERAL

  5. Interpretação da função de resposta quando a variável resposta é binária Vamos considerar o modelo de regressão linear simples: A resposta esperada é dada por:

  6. MODELO GERAL FUNÇÃO LOGÍSTICA Modelo inicial: sendo x o peso ao nascer. Para que 0 < p < 1, então o modelo é dado por

  7. Peso ao nascer Tamanho da Quantidade p (gramas) amostra com BP D 0 | -- 950 68 49 0,721 950 | -- 1350 80 18 0,225 1350 | -- 1750 75 9 0,120 223 76 0,341 Para encontrar a probabilidade de que uma criança que pesa 750 gramas no nascimento desenvolva BPD, substitui-se o valor x=750 na função. DADOS CATEGORIZADOS Fator: o peso de nascimento do bebê (0 |-- 950, 950 |-- 1350, 1350 |-- 1750) Variável resposta: o bebê está ou não está doente

  8. Modelo para o conjunto de dados X1 representa o peso de 0 a 950 gramas e X2 o peso de 950 a 1350 gramas Através desta função posso afirmar que o peso está relacionado com a presença de BPD?

  9. Regressão logística Interpretamos eb1,..., ebk como uma razão de chances (odds ratio)

  10. Regressão logística X1 representa o peso de 0 a 950 gramas e X2 o peso de 950 a 1350 gramas Se: eb1 =1, então a chance de x1 apresentar y=1 é a mesma que x3 eb1 >1, então a chance de x1 apresentar y=1 é maior que x3 eb1 <1, então a chance de x1 apresentar y=1 é menor que x3

  11. Analisando a relação entre duas variáveis O que significa a primeira linha da tabela, referente a PESO ? Qual a interpretação da significância de PESO (1) e PESO (2) ?

  12. Analisando a razão de chances (OR) Interpretação: A chance de uma criança com peso entre 0 e 950 gramas ter a presença da BPD é 18,9 vezes maior do que uma criança com peso entre 1350 e 1750 gramas

More Related