O gerente de um consultório quer saber quais fatores influenciam a satisfação do paciente. Os pacientes respondem se é improvável, pouco provável ou muito provável que eles retornem para acompanhamento. Os fatores de previsão relevantes incluem o status do funcionário, a idade e a proximidade com o consultório.
O gerente usa o quão provável é o retorno de um paciente como uma variável de resposta. As categorias da variável resposta têm uma ordem natural desde improvável até muito provável, portanto, a variável resposta é ordinal. Como a variável resposta é ordinal, o gerente usa regressão logística ordinal para modelar a relação entre os preditores e a variável resposta. O gerente utiliza um nível de significância de 0,05 para avaliar a significância estatística do modelo e o teste de qualidade de ajuste do modelo.
O valor-p do teste em que todas as inclinações são zero é menor do que 0,05. O valor-p baixo indica que a relação entre a variável de resposta e as preditoras é estatisticamente significativa. O valor-p para ambos os testes de qualidade do ajuste é maior que 0,05. Esses valores-p altos não fornecem evidência de que o modelo é inadequado.
Na tabela de regressão logística, os valores-p para Distância e Distância*Distância são ambos menores do que o nível de significância de 0,05. O coeficiente da Distância é negativo o que indica que geralmente, há menor probabilidade de os pacientes que vivem mais distantes do consultório retornarem para cuidados de acompanhamento. O coeficiente para Distância*Distância é positivo, o que indica que após uma determinada distância, há maior probabilidade de os pacientes retornarem. Com base nesses resultados, o gerente teoriza que há maior probabilidade de os pacientes que vivem perto do consultório agendarem cuidados de acompanhamento, devido ao local conveniente do consultório. Também há maior probabilidade de os pacientes, que desejarem viajar uma longa distância para uma consulta inicial, retornarem para cuidados de acompanhamento. O gerente planeja adicionar novas perguntas à pesquisa para investigar esses ideias. O gerente também planeja estudar as predições do modelo para determinar a distância na qual os pacientes têm maior probabilidade de retornar.