Exemplo de Regressão logística nominal

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.