Especificar o esquema de codificação para Ajustar modelo logístico binário

Estat > Regressão > Regressão Logística Binária > Ajuste de Modelo Logístico Binário > Codificando

Incremento para razões de chances

Para modelos que usam a função de ligação logit, o Minitab calcula a razão de chances. Para algumas preditoras, o padrão da razão de chances de 1 unidade na preditora não é útil. Por exemplo, se a razão de chances para uma mudança de 1 grama for muito pequena, insira 1.000 para ver a razão de chances para uma mudança de 1 quilograma em vez disso.
Preditor contínuo
Mostra todos os nomes das preditoras contínuas do modelo. Esta coluna não aceita nenhuma entrada.
Incremento
Insira a quantidade de mudança na preditora contínua que o Minitab usa para calcular a razão de chances.

Codificação para variáveis categóricas

Codificação para preditores categóricos
Para realizar a análise, o Minitab precisa recodificar as preditoras categóricas usando um dos dois métodos. Considere mudar o método com base em se deseja comparar os níveis do preditor a uma linha de base ou a um nível de referência. O esquema de codificação não muda o teste do efeito geral do preditor. Para obter mais informações, vá para Esquemas de codificação para preditores categóricos.
  • (-1, 0, +1): Escolha estimar a diferença entre cada nível e a linha de base.
  • (1, 0): Escolha estimar a diferença entre cada nível e um nível de referência. Ao escolher o esquema de codificação (1, 0), a tabela do nível de referência torna-se ativa na caixa de diálogo.
Tabela do nível de referência
Preditor categórico
Esta coluna da tabela mostra todos os nomes dos preditores categóricas em seu modelo. Esta coluna não aceita nenhuma entrada.
Nível de referência

O Minitab compara os níveis de não-referência ao nível de referência. Mudar o nível de referência não afeta a significância geral, mas isso pode tornar os coeficientes e as razões de chances mais significativas ao interpretar.

Por exemplo, um preditor categórico relacionado a se clientes que têm filhos apresentam os níveis "Sim" e "Não". O evento de resposta é que um cliente compre um cereal em uma ida às compras.

O evento de referência está no denominador da razão de chances. Quando você altera o nível de referência, a razão de chances é invertida. Quando o nível de referência é "Não", as razões de chances seguem:
As razões de chances de 5 indicam que o cliente apresenta a probabilidade 5 vezes maior de comprar o cereal quando o fator é "Sim" do que quando o fator é "Não".
Quando o nível de referência é "Sim", as razões de chances seguem:
As razões de chances de 0,2 indicam que o cliente apresenta a probabilidade de 0,2 vezes de comprar o cereal quando o fator é "Não" do que quando o fator é "Sim".

Quando você altera o nível de referência, o sinal do coeficiente é trocado. Quando o nível de referência é "Sim", o coeficiente é -1,6. O coeficiente negativo indica que o cliente apresenta maior probabilidade de comprar o cereal no nível de referência do fator. Quando o nível de referência é "Não", o sinal do coeficiente é trocado para se tornar 1,6. O coeficiente positivo indica que o cliente apresenta menor probabilidade de comprar o cereal no nível de referência do fator.

Padronizar preditores contínuos

Você pode escolher padronizar as preditoras contínuas em seu modelo. As preditoras padronizadas são usadas somente para ajustar o modelo e não são armazenadas na worksheet.

Padronizar as preditoras contínuas pode aprimorar a interpretação do modelo para condições específicas.
  1. Centralize as preditoras contínuas subtraindo a média: Este método ajuda a reduzir a multicolinearidade, que melhora a precisão das estimativas de coeficientes. Este método é útil quando o seu modelo contém preditoras altamente correlacionadas, termos de ordem superior e termos de interação. Cada coeficiente representa a mudança esperada na resposta dada uma mudança de uma unidade na preditora, usando a escala de medição original.
  2. Padronize a escala das preditoras contínuas dividindo o desvio padrão: Este método torna os intervalos das preditoras mais homogêneo de forma que você pode comparar o tamanho dos coeficientes. Esta abordagem é útil quando você quer saber quais preditoras têm um efeito maior, enquanto controla as diferenças na escala. Contudo, cada coeficiente representa a mudança esperada na resposta dada uma mudança de um desvio padrão na preditora.
Use um dos seguintes métodos para padronizar suas preditoras contínuas:
  • Não padronizar: Use seus dados originais para as preditoras contínuas.
  • Especificar níveis inferior e superior para codificar como -1 e +1: Use para centralizar as preditoras e para colocá-las em uma escala comparável. O Minitab usa este método no planejamento de experimentos (DOE). Todos os valores de dados que se encaixam entre os valores baixo e alto que você especificar, são transformados para se encaixar entre −1 e +1. Na tabela, insira os valores baixo e alto ou use os valores mínimo e máximo da amostra.
    Preditor contínuo
    Mostra os nomes de todas as preditoras contínuas do modelo. Esta coluna não aceita nenhuma entrada.
    Inferior
    Insira um valor para código como −1. O padrão é o valor mínimo da amostra.
    Superior
    Insira um valor para código como +1. O padrão é o valor máximo da amostra.
  • Subtrai a média e divide pelo desvio padrão: Use para centralizar as preditoras e para colocá-las em uma escala comparável.
  • Subtrair a média: Use para centralizar as preditoras.
  • Dividir pelo desvio padrão: Use uma escala comparável para todas as preditoras.
  • Subtrair um valor especificado e dividir por outro: Especifique outros valores em vez de usar as estimativas de desvio médio e padrão da amostra.
    Preditor contínuo
    Mostra os nomes de todas as preditoras contínuas do modelo. Esta coluna não aceita nenhuma entrada.
    Subtrair
    Insira o valor a subtrair de cada preditora contínua.
    Dividir por
    Insira o valor que o Minitab usa para dividir o resultado da subtração.
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política