Regressão logística binária
A regressão logística binária prevê a probabilidade de um entre dois resultados, como aprovado/reprovado ou sim/não, a partir de preditores contínuos, categóricos ou ambos. Use-a quando a resposta tiver exatamente duas categorias; respostas contínuas exigem ajustar modelo de regressão. Colete dados suficientes nas duas categorias, evite a separação perfeita e valide com estatísticas de qualidade do ajuste e diagnóstico de resíduos. Os resultados vêm com intervalos de confiança, de 95% por padrão.
Última revisão
Conclusão principal
A regressão logística binária modela a relação entre um ou mais preditores e uma resposta com exatamente dois resultados, como aprovado/reprovado ou defeituoso/não defeituoso, e prevê a probabilidade de cada resultado.
Nesta página
O que é a regressão logística binária?
A regressão logística binária é uma ferramenta estatística usada para analisar a relação entre uma ou mais variáveis preditoras e uma variável de resposta categórica com exatamente dois resultados — como aprovado/reprovado, sim/não ou defeituoso/não defeituoso. Ela prevê a probabilidade de um resultado ocorrer em vez do outro com base nos valores dos preditores.
Quando usar a regressão logística binária?
Variáveis preditoras
- Os preditores podem ser contínuos, categóricos ou uma combinação de ambos
- Variáveis discretas podem ser tratadas como contínuas ou categóricas, dependendo do número de níveis e do objetivo da análise
- Apenas um preditor contínuo com uma resposta contínua → use gráfico de linha ajustada
- Vários preditores com uma resposta contínua → use ajustar modelo de regressão
Variável de resposta
- A resposta deve ter exatamente duas categorias (ex.: aprovado/reprovado, sim/não, bom/ruim)
- Se a resposta for contínua → use ajustar modelo de regressão
- Se a resposta tiver três ou mais categorias não ordenadas → use regressão logística nominal
- Se a resposta tiver três ou mais categorias ordenadas → use regressão logística ordinal
Diretrizes para o uso correto da regressão logística binária
- A variável de resposta deve ter exatamente duas categorias; se tiver mais, use a regressão logística ordinal ou nominal.
- Os preditores podem ser contínuos ou categóricos; garanta que cada variável esteja corretamente classificada antes de executar a análise.
- Garanta que os dados representem com exatidão a população-alvo; dados enviesados ou incompletos produzem previsões pouco confiáveis.
- Colete pontos de dados suficientes para as duas categorias — ter pouquíssimas observações em uma categoria torna o modelo instável e as previsões pouco confiáveis.
- Meça todas as variáveis com a maior exatidão possível; erros nos dados de entrada reduzem diretamente a exatidão das probabilidades previstas.
- Registre os dados na ordem em que são coletados para ajudar a identificar padrões temporais que possam afetar os resultados.
- Depois do ajuste, valide o modelo usando estatísticas de qualidade do ajuste e diagnóstico de resíduos; um modelo mal ajustado produz previsões enganosas.
- Evite a separação perfeita — em que um preditor separa completamente as duas categorias —, pois ela causa problemas de estimação no modelo.
Alternativas: quando não usar a regressão logística binária
- Se a variável de resposta for contínua, use ajustar modelo de regressão em vez dela.
- Se você tiver apenas um preditor contínuo com uma resposta contínua, use gráfico de linha ajustada em vez dela.
- Se a resposta tiver três ou mais categorias não ordenadas, use regressão logística nominal em vez dela.
- Se a resposta tiver três ou mais categorias ordenadas, use regressão logística ordinal em vez dela.
- Se você tiver um preditor categórico com uma resposta contínua, use ANOVA de um fator em vez dela.
Como fazer a regressão logística binária
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool>Regression >Binary Logistic Regression .
- Clique em Binary Logistic Regression para acessar o painel (dashboard).
- Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V) aqui.
- Preencha as opções necessárias indicadas no lado esquerdo.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) da regressão logística binária, a janela é dividida em duas partes.

Na parte esquerda fica o painel de dados (Data Pane). No Data Pane, cada linha forma um subgrupo. Os dados podem ser inseridos manualmente, ou você pode copiar todos os dados (Ctrl+C) de uma planilha do Excel e colá-los (Ctrl+V) aqui.
Load example: Os dados de exemplo serão carregados.
Load File: É usado para carregar diretamente os dados do Excel.
Na parte direita, há várias opções, descritas a seguir:
- Response A variável de resultado que você deseja prever; deve conter exatamente duas categorias, como aprovado/reprovado, sim/não ou defeituoso/não defeituoso. O modelo calcula a probabilidade de uma categoria ocorrer em vez da outra com base nos valores dos preditores informados.
- Categorical Predictor Uma variável preditora que contém um conjunto fixo de grupos ou rótulos distintos, como turno, tipo de máquina ou fornecedor. O modelo estima como o pertencimento a cada grupo altera a probabilidade de a resposta cair em uma categoria em vez da outra.
- Continuous Predictor Uma variável preditora que contém valores numéricos mensuráveis, como temperatura, velocidade ou peso. O modelo estima como o aumento de uma unidade nessa variável aumenta ou diminui a probabilidade de ocorrência do resultado da resposta.
- Confidence Interval Uma faixa de valores dentro da qual o resultado verdadeiro provavelmente se encontra. O padrão é 95%, o que significa que você tem 95% de confiança de que a probabilidade ou o coeficiente verdadeiro está dentro dessa faixa. O padrão de 95% se deve ao fato de ser o padrão amplamente aceito que equilibra a confiabilidade estatística e a usabilidade prática — estreito o bastante para ser útil, largo o bastante para considerar a incerteza.
- Type of Confidence Interval
- Two-Sided — fornece o limite inferior e o superior, mostrando a faixa em que o valor verdadeiro provavelmente se encontra nas duas extremidades. Use-o quando quiser detectar qualquer diferença, acima ou abaixo. É a opção padrão e a mais usada.
- Upper Bound — fornece apenas o limite máximo, mostrando o valor mais alto que o resultado verdadeiro provavelmente atinge. Use-o quando só interessar saber se o valor excede um determinado limiar.
- Lower Bound — fornece apenas o limite mínimo, mostrando o valor mais baixo que o resultado verdadeiro provavelmente tem. Use-o quando só interessar saber se o valor fica abaixo de um determinado limiar.
Perguntas frequentes
O que é a regressão logística binária?
A regressão logística binária analisa a relação entre uma ou mais variáveis preditoras e uma resposta categórica com exatamente dois resultados, como aprovado/reprovado, sim/não ou defeituoso/não defeituoso. Ela prevê a probabilidade de um resultado ocorrer em vez do outro a partir dos valores dos preditores. Os preditores podem ser contínuos, categóricos ou uma combinação de ambos.
Quando usar a regressão logística binária em vez de outros métodos de regressão?
Use-a quando a resposta tiver exatamente duas categorias. Se a resposta for contínua, use ajustar modelo de regressão, ou gráfico de linha ajustada para um preditor contínuo. Se a resposta tiver três ou mais categorias não ordenadas, use regressão logística nominal; para três ou mais categorias ordenadas, use regressão logística ordinal.
Quais são os requisitos para uma regressão logística binária confiável?
Colete pontos de dados suficientes nas duas categorias da resposta, pois pouquíssimas observações em uma categoria tornam o modelo instável. Classifique corretamente cada preditor como contínuo ou categórico, use dados representativos e medidos com exatidão e evite a separação perfeita, em que um preditor separa completamente as duas categorias, pois ela causa problemas de estimação. Valide o modelo com estatísticas de qualidade do ajuste e diagnóstico de resíduos.
Como executar a regressão logística binária no Zometric Statistical Software?
Escolha Statistical Tool > Regression > Binary Logistic Regression e depois insira, cole ou carregue os dados. Selecione a Response de duas categorias, as colunas de Categorical Predictor e Continuous Predictor, defina o nível do intervalo de confiança (95% por padrão) e o tipo de intervalo de confiança (bilateral, limite superior ou limite inferior) e clique em Calculate.
