Escolar Documentos
Profissional Documentos
Cultura Documentos
Modelos de Regressão
Modelos de Regressão
REGRESSO POLINOMIAL
REGRESSO LOGSTICA
O modelo de regresso no linear logstico utilizado quando a varivel resposta qualitativa com dois resultados possveis. Ex: Sobrevivncia de enxertos de ameixeiras (sobrevive ou no sobrevive). Este modelo pode ser estendido quando a varivel resposta qualitativa tem mais do que duas categorias; por exemplo, a presso sangunea pode ser classificada como alta, normal e baixa.
Exemplos:
1)
O objetivo da anlise verificar se uma firma tem ou no um departamento de relao industrial, de acordo com o seu tamanho. A varivel resposta tm duas possibilidades: a firma tem ou no tem o departamento. Estes resultados pode m ser codificados como 1 e 0 (ou vice-versa).
Yi ! F 0 F1 X i I i 1 Yi ! 0
A resposta esperada dada por:
E (Yi ) ! F 0 F1 X i
(1)
Yi ! 1 p P (Yi ! 1) ! T i Yi ! 0 p P(Yi ! 0) ! 1 T i
E (Yi ) ! T i
Igualando-se (1) e (2), obtemos:
(2)
(3)
E (Yi ) ! F 0 F1 X i ! T i
Assim, a resposta mdia, quando a varivel resposta uma varivel binria (1 ou 0), sempre representa a probabilidade de Y = 1, para o nvel da varivel preditora Xi. Na figura a seguir, a varivel indicadora Y corresponde se a firma tem ou no tem um departamento de relao industrial e, a varivel preditora X corresponde ao tamanho da firma. A funo resposta mostra a probabilidade que uma firma de um dado tamanho tenha um departamento de relao industrial.
E (Y ) ! F 0 F1 X
0 Tamanho da firma X
I i ! Yi ( F 0 F1 X i )
pode assumir um dos dois valores:
Yi ! 1 I i ! 1 F 0 F1 X i Yi ! 0 I i ! F 0 F1 X i
2. Varincias heterogneas. A varincia de Yi para o modelo de regresso linear simples :
Como:
I i ! Yi T i ( T i constante)
Temos:
W 2 (I i ) ! T i (1 T i ) ! ( F 0 F1 X i ) (1 F 0 F1 X i )
Depende de Xi
ESTE MODELO FREQENTEMENTE NO REPRESENTA BEM A SITUAO EM ESTUDO. AO INVS, UM MODELO ONDE AS PROBABILIDADES 0 E 1 SO ENCONTRADAS ASSINTOTICAMENTE, COMO MOSTRA A FIGURA A SEGUIR, , DE MODO GERAL, MAIS APROPRIADA.
(6)
obtemos:
T ' ! F 0 F1 X
(7)
Esta transformao chamada de transformao logit da probabilidade T. A razo T/(1- T) na transformao logit chamada de Odds (Chance). A funo resposta transformada (7) denominada como funo resposta logit, e T denominada de resposta mdia logit. Observe em (7) que: -g e T e g para -geXeg.
Descritivo:
descrever a natureza do relacionamento entre a resposta mdia (isto , a probabilidade de comprar, por exemplo) e uma (ou mais) variveis regressoras. automvel no prximo ano, dado o seu rendimento.
31
onde:
E (Yi ) ! T i !
exp( F 0 F1 X i ) 1 exp( F 0 F1 X i )
(8)
32
Ex:
Um analista est estudando o efeito do tempo de experincia em programao computacional sobre a habilidade para completar, dentro de um determinado tempo, um tarefa difcil. Vinte e cinco (25) programadores foram selecionadas para o estudo. A varivel preditora, X, corresponde ao meses de experincia. Os resultados foram (experincia em meses, sucesso na tarefa, valores ajustados):
14 29 6 25 18 4 18 12 22 6 30 11 30
0 0 0 1 1 0 0 0 1 0 1 0 1
0.310262 0.835263 0.109996 0.726602 0.461837 0.082130 0.461837 0.245666 0.620812 0.109996 0.856299 0.216980 0.856299
5 0 0.095154 20 1 0.542404 13 0 0.276802 9 0 0.167100 32 1 0.891664 24 0 0.693379 13 1 0.276802 19 0 0.502134 4 0 0.082130 28 1 0.811825 22 1 0.620812 8 1 0.145815
Os resultados so codificados como: Y=Os tempos de experincia so bastante variados, como mostra a primeira coluna dos dados. Para todas as pessoas foi dada a mesma tarefa e os resultados do seu sucesso 1 se a tarefa foi completada com sucesso no tempo permitido, e Y=0 se a tarefa no foi completada com sucesso. O diagrama de disperso dado na figura a seguir.
Somente indica que a habilidade para completar a tarefa com sucesso parece aumentar com a experincia.
34
Fim