Regressão logística ordinal
A regressão logística ordinal é um modelo estatístico usado para analisar a relação entre uma ou mais variáveis preditoras e uma variável resposta com três ou mais categorias ordenadas. As categorias têm uma ordem ou sequência natural, como baixo/médio/alto ou discordo/neutro/concordo, mas a distância exata entre elas não é mensurável.
Última revisão
Conclusão principal
A regressão logística ordinal é um modelo estatístico usado para analisar a relação entre uma ou mais variáveis preditoras e uma variável resposta com três ou mais categorias ordenadas.
Nesta página
O que é a regressão logística ordinal?
A regressão logística ordinal é um modelo estatístico usado para analisar a relação entre uma ou mais variáveis preditoras e uma variável resposta com três ou mais categorias ordenadas. As categorias têm uma ordem ou sequência natural, como baixo/médio/alto ou discordo/neutro/concordo, mas a distância exata entre elas não é mensurável. Ela prevê a probabilidade de pertencer a cada categoria com base nos preditores.
Quando usar a regressão logística ordinal?
Variáveis preditoras
- Os preditores podem ser contínuos, categóricos ou uma mistura de ambos
- Variáveis discretas podem ser tratadas como contínuas ou categóricas, conforme o número de níveis e a finalidade da análise
- Apenas um preditor contínuo com resposta contínua → use o gráfico de linha ajustada
- Vários preditores com resposta contínua → use o Ajustar modelo de regressão
Variável resposta
- A resposta deve ter três ou mais categorias ordenadas com uma ordem natural (ex.: baixo/médio/alto, nunca/às vezes/sempre)
- A ordem importa, mas a distância entre as categorias não precisa ser igual
- A resposta tem apenas duas categorias (aprovado/reprovado) → use a regressão logística binária
- A resposta tem categorias não ordenadas (arranhão/amassado/rasgo) → use a regressão logística nominal
- A resposta é contínua → use o Ajustar modelo de regressão ou o gráfico de linha ajustada
Diretrizes para o uso correto da regressão logística ordinal
- Certifique-se de que a variável resposta tenha três ou mais categorias com uma ordem significativa; se a ordem não importar, use a regressão logística nominal.
- Os preditores podem ser contínuos ou categóricos; certifique-se de que cada preditor esteja classificado corretamente antes de executar o modelo.
- Certifique-se de que os dados representem com precisão a população-alvo; dados enviesados ou incompletos produzirão resultados pouco confiáveis.
- Colete pontos de dados suficientes por categoria para garantir estimativas de probabilidade estáveis e confiáveis em todos os níveis da resposta.
- Meça todas as variáveis com a maior precisão possível; erros de classificação ou de medição afetam diretamente a precisão do modelo.
- Registre os dados na ordem em que são coletados para ajudar a detectar tendências ou inconsistências ao longo do tempo.
- Após o ajuste, valide o modelo usando as estatísticas de qualidade do ajuste e o diagnóstico dos resíduos; um modelo mal ajustado produzirá previsões enganosas.
- Verifique a premissa de chances proporcionais : a regressão logística ordinal pressupõe que a relação entre cada par de grupos de resultado seja consistente. Se essa premissa for violada, considere a regressão logística nominal.
Alternativas: quando não usar a regressão logística ordinal
- Se a resposta tiver apenas duas categorias (ex.: aprovado/reprovado), use a regressão logística binária em vez dela.
- Se as categorias da resposta não tiverem ordem natural (ex.: arranhão/amassado/rasgo), use a regressão logística nominal em vez dela.
- Se a variável resposta for contínua, use o Ajustar modelo de regressão ou o gráfico de linha ajustada em vez dela.
- Se você tiver apenas um preditor contínuo e uma resposta contínua, use o gráfico de linha ajustada em vez dela.
- Se você tiver vários preditores e uma resposta contínua, use o Ajustar modelo de regressão em vez dela.
Exemplo de regressão logística ordinal
O gerente de um consultório médico quer identificar quais fatores influenciam a satisfação dos pacientes. Os pacientes respondem a uma pesquisa sobre a probabilidade de voltarem para um acompanhamento, com respostas classificadas como improvável, razoavelmente provável ou muito provável. Como essas categorias de resposta têm uma ordem natural, o gerente trata o resultado como uma variável ordinal e usa a regressão logística ordinal para examinar a relação entre a probabilidade de retorno do paciente e preditores como situação de emprego, idade e proximidade do consultório. Um nível de significância de 0.05 é usado para avaliar a significância estatística e a qualidade do ajuste do modelo. As etapas são as seguintes:
- Coletou os dados necessários.

- Em seguida, analise os dados no Zometric Statistical Software em https://statsai.zometric.com/.
- Para encontrar a Ordinal Logistic Regression, escolha Statistical module> Regression>Ordinal Logistic Regression.
- Na ferramenta, insira os dados e as demais entradas da seguinte forma:

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


Como fazer a regressão logística ordinal
O guia é o seguinte:
- Faça login no Zometric Statistical Software em https://statsai.zometric.com/
- Na página inicial, escolha Statistical Tool> Regression > Ordinal Logistic Regression.
- 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.
- Em seguida, você precisa preencher as opções necessárias.
- Por fim, clique em calculate na parte inferior da página para obter os resultados desejados.
No painel (dashboard) da regressão logística ordinal, 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 resposta é a variável de resultado que você quer prever ou estudar. Na regressão logística ordinal, a resposta deve conter três ou mais categorias com uma ordem natural e significativa — em que as categorias podem ser ordenadas, mas a distância entre elas não precisa ser igual.
Por exemplo:
O modelo então calcula a probabilidade de uma observação pertencer a cada categoria com base nas variáveis preditoras. - Nível de dor → Mild / Moderate / Severe
- Resposta de pesquisa → Disagree / Neutral / Agree
- Model Define a estrutura da sua análise especificando quais preditores e termos de interação são incluídos no modelo. Você pode incluir:
- Continuous predictors — variáveis numéricas, como temperatura, idade ou dosagem
- Categorical predictors — variáveis de agrupamento, como gênero, tipo de material ou região
- Interaction terms — combinações de dois ou mais preditores que, juntos, podem ter um efeito além de suas contribuições individuais
Perguntas frequentes
O que é a regressão logística ordinal?
A regressão logística ordinal analisa a relação entre um ou mais preditores e uma resposta com três ou mais categorias ordenadas, como baixo/médio/alto ou discordo/neutro/concordo, em que as categorias têm uma ordem natural, mas a distância entre elas não é mensurável. Ela prevê a probabilidade de pertencer a cada categoria com base nos preditores.
Quando usar a regressão logística ordinal em vez da nominal?
Use a regressão logística ordinal quando as categorias da resposta tiverem uma ordem significativa, como nunca/às vezes/sempre. Se a ordem não importar, como em arranhão/amassado/rasgo, use a regressão logística nominal. Para uma resposta de duas categorias, como aprovado/reprovado, use o modelo logístico binário e, para uma resposta contínua, use os modelos de regressão ou de linha.
O que é a premissa de chances proporcionais?
A regressão logística ordinal pressupõe que a relação entre cada par de grupos de resultado seja consistente, a chamada premissa de chances proporcionais. Ela deve ser verificada após o ajuste; se for violada, considere a regressão logística nominal. Valide o modelo com as estatísticas de qualidade do ajuste e o diagnóstico dos resíduos.
Que preditores podem ser usados na regressão logística ordinal?
Os preditores podem ser contínuos, como temperatura, idade ou dosagem, categóricos, como tipo de material ou região, ou uma mistura de ambos. As variáveis discretas podem ser tratadas como um tipo ou outro, conforme o número de níveis e a finalidade da análise. O modelo também pode incluir termos de interação entre preditores.
