Regressão logística nominal

A regressão logística nominal é uma ferramenta estatística usada para analisar a relação entre uma ou mais variáveis preditoras e uma variável de resposta categórica com três ou mais categorias não ordenadas, como arranhão, amassado ou rasgo. Ela prevê a probabilidade de ocorrência de cada categoria com base nos valores dos preditores.

Última revisão

Conclusão principal

A regressão logística nominal é uma ferramenta estatística usada para analisar a relação entre uma ou mais variáveis preditoras e uma variável de resposta categórica com três ou mais categorias não ordenadas.

Nesta página
  1. O que é a regressão logística nominal?
  2. Quando usar a regressão logística nominal?
  3. Diretrizes para o uso correto da regressão logística nominal
  4. Alternativas: quando não usar a regressão logística nominal
  5. Exemplo de regressão logística nominal
  6. Como fazer a regressão logística nominal

O que é a regressão logística nominal?

A regressão logística nominal é uma ferramenta estatística usada para analisar a relação entre uma ou mais variáveis preditoras e uma variável de resposta categórica com três ou mais categorias não ordenadas , como arranhão, amassado ou rasgo. Ela prevê a probabilidade de ocorrência de cada categoria com base nos valores dos preditores.

Quando usar a regressão logística nominal?

Variáveis preditoras

  • Os preditores podem ser contínuos, categóricos ou uma mistura dos dois
  • Variáveis discretas podem ser tratadas como contínuas ou categóricas, dependendo do número de níveis e do objetivo da análise
  • Apenas um preditor contínuo com resposta contínua → use o gráfico de linha ajustada
  • Vários preditores com resposta contínua → use Ajustar modelo de regressão

Variável de resposta

  • A resposta deve ter três ou mais categorias sem ordem natural (ex.: cor, tipo de material, tipo de defeito)
  • Se a resposta for contínua → use Ajustar modelo de regressão
  • Se a resposta tiver duas categorias (aprovado/reprovado) → use Ajustar modelo logístico binário
  • Se a resposta tiver categorias ordenadas (baixo/médio/alto) → use a regressão logística ordinal

Diretrizes para o uso correto da regressão logística nominal

  • A variável de resposta deve ter três ou mais categorias não ordenadas; se as categorias tiverem uma ordem natural, use a regressão logística ordinal.
  • Os preditores podem ser contínuos ou categóricos; verifique se cada variável está classificada corretamente antes de executar a análise.
  • Garanta que os dados representem com precisão a população-alvo; dados enviesados ou incompletos produzirão previsões pouco confiáveis.
  • Colete pontos de dados suficientes por categoria : poucas observações em qualquer categoria tornam o modelo instável e as previsões não 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 diagnósticos de resíduos; um modelo mal ajustado produz previsões de categoria enganosas.
  • Verifique se nenhuma categoria tem observações de menos : categorias raras reduzem a confiabilidade do modelo e podem causar problemas de estimação.

Alternativas: quando não usar a regressão logística nominal

  • Se a variável de resposta for contínua, use Ajustar modelo de regressão .
  • Se você tem apenas um preditor contínuo com resposta contínua, use o gráfico de linha ajustada .
  • Se a resposta tem duas categorias (ex.: aprovado/reprovado), use Ajustar modelo logístico binário .
  • Se as categorias da resposta têm uma ordem natural (ex.: baixo/médio/alto), use a regressão logística ordinal .
  • Se você tem um preditor categórico com resposta contínua, use a ANOVA de um fator .

Exemplo de regressão logística nominal

Para avaliar a eficácia de diferentes métodos de ensino, um administrador escolar reúne dados de 30 alunos, registrando a disciplina favorita de cada aluno e o método de ensino usado em sua sala de aula. Como a variável de resposta, a preferência por disciplina (matemática, ciências ou língua portuguesa), é categórica e sem ordem inerente, o administrador aplica a regressão logística nominal. Essa análise ajuda a explorar como a idade dos alunos (de 10 a 13 anos) e o tipo de método de ensino (demonstração ou explicação) se associam às preferências por disciplina. As etapas são as seguintes:

  1. Coletou os dados necessários.
Nominal Logistic Regression — figure 1
  1. Em seguida, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
  2. Para encontrar a regressão logística nominal, escolha Statistical module> Regression>Nominal Logistic Regression.
  3. Na ferramenta, insira os dados e as demais entradas da seguinte forma:
Nominal Logistic Regression — figure 2

5. Depois de usar a ferramenta mencionada acima, obtém-se a saída a seguir

Nominal Logistic Regression — figure 3Nominal Logistic Regression — figure 4

Como fazer a regressão logística nominal

O guia é o seguinte:

  1. Faça login no Zometric Statistical Software em https://statsai.zometric.com/
  2. Na página inicial, escolha Statistical Tool> Regression > Nominal Logistic Regression.
  3. Em seguida, atualize os dados manualmente ou copie todos os dados (Ctrl+C) de uma planilha do Excel e cole-os (Ctrl+V); outra opção é Load Example, que carrega os dados de exemplo.
  4. Em seguida, preencha as opções necessárias.
  5. Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.

No painel (dashboard) da regressão logística nominal, a janela é dividida em duas partes.

Nominal Logistic Regression — figure 5

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 tenta prever ou classificar; ela deve conter três ou mais categorias sem ordem natural, como tipo de defeito (arranhão, amassado, rasgo) ou forma de pagamento (dinheiro, cartão, on-line). O modelo estima a probabilidade de ocorrência de cada categoria com base nos valores dos preditores fornecidos.
  • Categorical Predictor: Uma variável preditora que contém um conjunto fixo de grupos ou rótulos distintos, como tipo de máquina, turno ou material. Esses grupos não têm distância mensurável entre si. Cada categoria é tratada como um nível separado, e o modelo estima como cada grupo influencia a probabilidade de cada categoria de resposta.
  • Continuous Predictor: Uma variável preditora que pode assumir qualquer valor numérico mensurável dentro de um intervalo, como temperatura, pressão ou tempo. O modelo usa esses valores para estimar como o aumento de uma unidade no preditor desloca a probabilidade de a resposta cair em cada categoria.
  • Model: Define quais preditores e termos de interação são incluídos na análise. Por padrão, a análise constrói um modelo de efeitos principais com todos os preditores selecionados. Você pode personalizá-lo para incluir termos de interação (ex.: A*B) se acreditar que dois preditores influenciam conjuntamente a resposta. Escolher a estrutura de modelo certa é importante: incluir termos desnecessários acrescenta ruído, enquanto omitir termos-chave leva a previsões imprecisas.

Perguntas frequentes

O que é a regressão logística nominal?

A regressão logística nominal analisa a relação entre uma ou mais variáveis preditoras e uma resposta categórica com três ou mais categorias não ordenadas, como arranhão, amassado ou rasgo. Ela prevê a probabilidade de ocorrência de cada categoria de resposta com base nos valores dos preditores. Os preditores podem ser contínuos, categóricos ou uma mistura dos dois.

Qual é a diferença entre a regressão logística nominal e a ordinal?

A regressão logística nominal é para uma resposta com três ou mais categorias sem ordem natural, como cor, tipo de material ou tipo de defeito. Se as categorias tiverem uma ordem natural, como baixo, médio e alto, use a regressão logística ordinal. Para uma resposta de duas categorias, como aprovado/reprovado, use a regressão logística binária.

Quais são os requisitos da regressão logística nominal?

A resposta deve ter três ou mais categorias não ordenadas, e cada categoria precisa de observações suficientes, pois categorias raras tornam o modelo instável e podem causar problemas de estimação. Os dados devem representar a população-alvo, ser medidos com exatidão e ser registrados na ordem de coleta. Depois do ajuste, valide o modelo com estatísticas de qualidade do ajuste e diagnósticos de resíduos.

Como executar a regressão logística nominal no Zometric Statistical Software?

Escolha Statistical Tool > Regression > Nominal Logistic Regression e insira ou cole os dados. Selecione Response, os Categorical e Continuous Predictors, se houver, e defina o Model, que por padrão é um modelo de efeitos principais e pode incluir termos de interação como A*B. Depois, clique em Calculate para obter os resultados.