Exemplo de Regressão logística nominal

A administradora de uma escola quer avaliar métodos de ensino diferentes. Ela coleta dados de 30 crianças, perguntando a elas qual sua matéria favorita e o método de ensino usado em sala de aula.

Como a resposta é categórica e os valores não têm nenhuma ordem natural, o administrador usa regressão logística nominal para entender como a idade (10-13) e o método de ensino (demonstração ou explicação) estão relacionados com as preferências dos estudantes no assunto (matemática, ciências e artes da linguagem).

  1. Abra os dados das amostras, MétodosDeEnsino.MTW.
  2. Selecione Estat > Regressão > Regressão Logística Nominal.
  3. Em Resposta, insira Assunto.
  4. Em Modelo, insira 'Método de Ensino' Idade.
  5. Em Preditores categóricos (opcional), insira 'Método de Ensino'.
  6. Clique em Resultados. Selecione Além disso, lista de valores dos níveis dos preditores categóricos e testes para os termos com mais de 1 grau de liberdade.
  7. Clique em OK em cada caixa de diálogo.

Interpretar os resultados

O evento de referência é ciência, que indica que o Minitab compara matemática e as artes da linguagem à ciência na tabela de regressão logística. Para obter mais informações sobre como mudar o evento de referência, vá para Selecionar as opções para Regressão logística nominal.

Quando a resposta tiver três níveis, o Minitab calcula duas equações: Logit(1) e Logit(2). Os logits são as diferenças estimadas em chances ou logits do log de matemática e das artes de linguagem comparados à ciência. Cada conjunto contém uma constante e coeficientes para o método de ensino, que é uma preditora categórica, e a idade, que é uma preditora contínua. O coeficiente para o método de ensino é a mudança estimada no logit quando o método de ensino é a explicação comparada à demonstração, enquanto mantém a constante de idade. O coeficiente de idade é a mudança estimada no logit com um aumento de um ano em idade, enquanto mantém constante o método de ensino.

Para o Logit 2, os valores-p do método de ensino e a idade não são menores do que o nível de significância de 0,10. Tais resultados indicam que a probabilidade de os alunos preferirem estudar idiomas em vez de ciências é significativamente mais alta se o método de ensino for explicativo e aumenta de acordo com a idade do aluno. A razão de chances estimada para o método de ensino indica que as chances de escolher idiomas em vez de ciências são aproximadamente 16 vezes mais altas para esses alunos quando o método de ensino muda de demonstração para explicação.

Para o Logit 1, os valores-p do método de ensino e a idade não são menores do que o nível de significância de 0,10. Esses resultados indicam que não há evidências suficientes para concluir que uma mudança no método de ensino de demonstração para explicação ou diferenças na idade afeta a preferência de matemática versus ciência.

Os teste de qualidade do ajuste são todos maiores do que o nível de significância de 0,05, que indica que não há evidência suficiente para concluir que o modelo não se ajusta aos dados.

Regressão Logística Nominal: Assunto versus Método de Ensino; Idade

Informações da Resposta Variável Valor Contagem Assunto Ciências 10 (Evento de Referência) Matemática 11 Artes 9 Total 30
Informações dos Fatores Fator Níveis Valores Método de Ensino 2 Demonstrar; Explicar
Tabela de Regressão Logística Razão de Preditor Coef. EP de Coef Z P Chances Logito 1: (Matemática/Ciências) Constante -1,12266 4,56425 -0,25 0,806 Método de Ensino Explicar -0,563115 0,937591 -0,60 0,548 0,57 Idade 0,124674 0,401079 0,31 0,756 1,13 Logito 2: (Artes/Ciências) Constante -13,8485 7,24256 -1,91 0,056 Método de Ensino Explicar 2,76992 1,37209 2,02 0,044 15,96 Idade 1,01354 0,584494 1,73 0,083 2,76 IC de 95% Preditor Inferior Superior Logito 1: (Matemática/Ciências) Constante Método de Ensino Explicar 0,09 3,58 Idade 0,52 2,49 Logito 2: (Artes/Ciências) Constante Método de Ensino Explicar 1,08 234,90 Idade 0,88 8,66

Log-verossimilhança = -26,446

Teste de todas as inclinações igual a zero GL G Valor-P 4 12,825 0,012
Testes de Qualidade de Ajuste Método Qui-Quadrado GL P Pearson 6,95295 10 0,730 Deviance 7,88622 10 0,640
Ao usar esse site, você concorda com a utilização de cookies para análises e conteúdo personalizado.  Leia nossa política