Regressão logística binária no R (Parte 2)

[@cyrojunior4474]

Excelente!!! Sempre indico suas aulas e ensinamentos aos meus alunos de graduação. Parabéns!

[@ritacarvalhosauer]

Fernanda, vc nem imagina o quanto suas aulas contribuem para os nossos estudos! Parabéns pela iniciativa, que Deus te abençoe sempre!

[@guilhermebatistadonascimen5550]

Sempre que assisto um vídeo seu faço sempre questão de vir falar que ele foi ótimo! Obrigado por despender esse tempo com essas informações

[@luizabpr]

Você é excelente. Permita-me sugerir a adição de um vídeo sobre regressão em painel no R. Acho que falta a essa playlist e poucas pessoas são didáticas como vc.

[@josevinicius1658]

Diferente do meu professor de lab. ciência política vc tá sendo uma professora excepcional.

[@mabeldizmarques4259]

Parabéns Fernanda! Muito didática e simples.

[@ivanafonseca1362]

Seus vídeos são sempre ótimos!!! Adorei! Obrigada por aumentar o meu afeto pela estatística!!

[@leandroschwertner9677]

Nota 10! Parabéns, excelente aula, muito clara, muito detalhada, como o tema exige, está de parabéns, Agradeço muito vc Fernanda.

[@MrJonathanlucas]

Oi Fernanda!!! Muito obrigado pelo seu canal. Me ajudou muito no processo de ensino... excelente canal... continue viu!!!

[@weidersouza6007]

Ótimo vídeo. Muito bem explicado. Parabéns!!

[@carolinaramos4583]

Parabéns !! Você é muito didática e suas aulas estão me ajudando muito !! sucesso !!

[@haroldosantiago819]

Simplesmente demais... Parabéns professora!

[@fabianomcs]

Fernanda, que zorra de aula top foi esta!? Caraca, sensacional!!! Sou seu fã! Terminando meu TCC vou maratonar seu canal!

[@flaviahanusch844]

Obrigada por compartilhar essa aula maravilhosa :)

[@ThainaSouzaRibeiro]

Utilidade pública, você é maravilhosa. O teste de Nagelkerke não funcionou pra mim, caso não funcione para alguém que assistiu e fez também. Segue o comando que deu certo pra mim. PseudoR2(mod, c("Nagel")) PseudoR2(mod2, c("Nagel"))

[@laurarigo9916]

Fernanda, sem palavras para a maravilha que é esse vídeo!! Parabéns pela clareza e simplicidade para tratar de um assunto tão complexo! Muito obrigada!! Pode pedir vídeo? rs Faz um sobre a aplicação clássica , do modelo fazendo a predição dos valores e como se reporta esse tipo de resultado!

[@danielfelix118]

Muito bom. Parabéns e obrigado.

[@rubicleisgomes323]

Parabéns ao seu trabalho!

[@anaceciliadealmeida2745]

Muito bom! 👏🏼👏🏼

[@nealdorelis5703]

Excelente! Como fazer o Hickman test para verificar se ha presenca de viés no modelo?

[@anaceciliadealmeida2745]

Aprendo muito com seus vídeos, muito obrigada! Duas dúvidas: a) faço para calcular o efeito marginal das variáveis explicativas? b) como eu interpreto a magnitude de interações das variáveis explicativas no modelo logit?

[@fernandoaloisiohm]

Olá! Vim perguntar aqui porque não achei na net e vi muito valor no teu trabalho. Exponenciar o intervalo de confiança do coeficiente do modelo logit produz um intervalo assimétrico em torno da OR. Existe o teorema Delta para aproximar a variância de uma função. No caso particular da razão de chances, a função, OR=f(b1)=exp(b1). A variância desta função (consequentemente a variância da OR), conforme o teorema Delta, seria dada por [(dOR/db1)^2]*var(b1). O desvio-padrao, como de costume, obtém-se da extração da raiz quadrada. Se calcularmos o intervalo de confiança usando este desvio-padrao, obteremos um intervalo simétrico em torno da OR. Você, que já demonstrou ser ninja em pesquisa, saberia dizer se há uma discussão na literatura indicando qual é a forma mais adequada? O chatGPT disse que é com o uso do teorema Delta, mas já notei que às vezes ele se engana (pra não dizer que mente deliberadamente, por exemplo, quando cita referências que não existem rsrsrs). Sobre a assimetria resultante da simples exponenciação do intervalo de confiança do coeficiente do modelo, esse moço reportou o seguinte: "a transformação exponencial é não linear, o que significa que o efeito do intervalo de confiança para o coeficiente estimado pelo modelo na distribuição da OR não é linear." Sobre a abordagem do teorema Delta: "para calcular o intervalo de confiança de uma OR estimada por um modelo de regressão logística, é recomendável utilizar a abordagem do teorema Delta para estimar a variância da OR e, em seguida, calcular um intervalo de confiança simétrico em torno da OR." Estou confuso, ajude-me! Grande abraço, e continue fazendo esse trabalho maravilhoso de transmitir conhecimento de alto nível.

[@analisecritica8722]

Dúvida, digamos que a variável idade estivesse nesse modelo, como ficaria a interpretação da razão de chances? Digamos que o OR para essa variável foi = 0.96, então, significa que, se ao aumentar 1 ano na idade, haverá uma diminuição em 4% na chance de sobrevivência. Então, a dúvida é: se uma pessoa tem 30 anos, e outra pessoa tem 31 anos, essa última tem menos 4% na chance de sobreviver em relação a quem tem 30? E quem tem 32 anos, tem menos 8% de chance de sobreviver em relação a quem tem 30? E quem tem 33 anos, tem menos 12% de chance de sobreviver em relação a quem tem 30? É aditivo esse percentual? Como entender essa relação?

[@theforester_]

parabens pelo video!

[@joseviniciusalvesferreira5943]

Me ajudou bastante! Como sempre muito didática. Só fiquei na dúvida de como interpretar o OR quando a variável independente é contínua. Parabéns mais uma vez !!!!

[@FernandaPeres]

Oi, José, muito obrigada! Boa pergunta. Mas a interpretação é o quanto a chance aumenta a cada uma unidade de aumento da VI contínua. Eu tenho um vídeo chamado "Regressão logística multinomial no SPSS Parte 2" que tem essa explicação mais detalhada!

[@cidsantos7996]

@@FernandaPeres Oi Fernanda, falando em SPSS, vc tem algum vídeo que ajuda com GMM no SPSS? Quero analisar a interferência de umas 5 variáveis independente numa variável dependente ao longo dos anos e são várias empresas analisadas no período ao msm tempo.

[@ThainaSouzaRibeiro]

Fernanda o que você recomenda quando tem um dado em cima da linha da distância de Cook's?

[@cyrojunior4656]

Excelente!!!!😊

[@renatofreitas555]

Ótima exposição, parabéns pelo conteúdo, não se ve muito sobre RSTudio aqui no KZbin, quanto mais em Português. Algumas coisas fiquei em dúvida ao longo de sua exposição. Do que entendi do exemplo, a variável Cancer era a Variável dependente, correto ? (por extensão estresse e fumar seriam as possíveis variáveis indepentes). Se for isso, porque na seção de Análise da relação linear só foi analisada a variável Estresse em relação a ela mesma, teria faltado o mesmo procedimento em relação à variável Fumar ?

[@FernandaPeres]

Porque ela é a única que é numérica. Essa análise só se aplica às numéricas, não às categóricas.

[@renatofreitas555]

@@FernandaPeres Perfeito, agradeço ao feedback.

[@ElisaEtges]

perfeita!!!

[@neiaun4208]

Muitos bons seus vídeos...Muito obrigado.

[@dantaslacerda8435]

Pensa em fazer aulas sobre o ggplot2?? Eu não manjo muito mas parece ser um pacote muito legal.

[@FernandaPeres]

Por enquanto não pretendo fazer uma série de vídeos sobre ggplot2. Mas, se você for acompanhando as aulas da playlist de R vai ver que em muitos deles eu uso o ggplot. Então, dá para ir aprendendo ao longo das aulas.

[@heliolusovalgynhary8269]

@@FernandaPeres Tenho uma serie de duvidas em relação a tabelas. gostaria de marcar para falarmos

[@FernandaPeres]

@@heliolusovalgynhary8269 Eu dou aula particular (online), se existir interesse. Me manda um e-mail que conversamos: [e-mail]

[@heliolusovalgynhary8269]

@@FernandaPeres Já mandei o email

[@gabrielmouta2796]

Oi Fernanda! O pacote QuantPsyc saiu do CRAN :(( Não dá pra fazer o ClassLog, só se for no arquivo ou outras maneiras

[@ecacarva]

Olá Fernanda, parabéns ! Como sempre uma excelente aula. Gostaria de tirar uma dúvida: no minuto7:02 vc afirma que o IC passar por 1, mas o correto não seria passa por zero para deixar de ter significância estatística? Neste caso como deveria tratar o stresse? Deixa no modelo ou retira?

[@FernandaPeres]

Se estiver falando de odds ratio, o não ter efeito é o 1. Eu tenho uma explicação de OR no começo do vídeo de Regressão logística multinomial no SPSS (Parte 2). Então, se o intervalo da OR incluir o 1, significa que o efeito não é estatisticamente diferente do efeito nulo. Com relação a retirar ou tirar o estresse, depende da sua pergunta. Nesse caso, eu retirei porque eu optei por escolher o melhor modelo, que era só com o hábito de fumar - já que os modelos não eram estatisticamente diferentes e nesses casos devemos optar pelo mais simples. Mas depende. Se você estiver interessado no efeito do hábito de fumar controlado pelo estresse, o estresse deve ser mantido.

[@fredsonvieiraesilva5189]

Verdadeiro show!!

[@ecacarva]

Bom dia Fernanda Recebi uma base de dados com 272 registros, onde temos 54 variáveis dicotômicas sobre diagnósticos de crianças, como "risco de aspiração", "Degluticao Prejudicada", etc e uma variável dicotômica indicando se a mães dessas crianças tem ou não tem Near Miss Materno (NMM) que significa quase morte durante a gestação. A pessoa que me enviou quer saber se o fato da mãe ter Near Miss Materno contribui com alguns dos 54 diagnósticos de suas crianças. Neste caso eu teria um único preditor (NMM) e 54 possíveis resultados, dai com base na sua excelente aula eu pensei em fazer uma regressão logística binária NMM x V1...V54, mas claro, o resultado tem que ser confrontado coma literatura pelo pesquisador. Um amigo disse achar estranho um só preditor para 54 possíveis resultados. Será que minha sugestão de fazer uma regressão logística binária está correta? Haveria outro tipo de análise mais adequado a fazer? Obrigado e continua com suas aulas, tem me inspirado muito, são muito completas.

[@mariliaribeirodasilva]

Fernanda estou adorando seus vídeos. São maravilhosos! Não sou formada em estatística mas preciso estudar muita coisa para meu trabalho. Fiquei apenas com uma dúvida quando você comenta sobre o método de obtenção das razões de chance com IC. No primeiro modelo você fala que se o 1 estiver contido no intervalo o modelo não é significativo. Mas no segundo modelo você fala que se o 0 estiver contido no intervalo o modelo não é significativo. Qual valor devo considerar (0, 1 ou ambos)? Obrigada pelos vídeos!

[@FernandaPeres]

Ops, deve ter sido erro meu na fala. Eu sempre troco o 1 pelo zero na minha cabeça. Mas para razão de chances, sempre avaliamos se o 1 está contido no modelo. Para outras coisas, como o coeficiente (antes de ser transformado em razão de chances pelo exp()) aí sim analisamos se o zero está contido no intervalo.

[@smartinssmart]

5 estrelas. Obrigado

[@ricardocosta7643]

Aprendendo demais com você Fernanda, muito obrigado! Fiquei com uma dúvida, no caso de uma VI com mais de 2 categorias, eu posso também fazer dessa forma ou é necessário criar variável dummy?

[@FernandaPeres]

Não é necessário criar a variável dummy, não. O R vai fazer isso automaticamente!

[@xion474]

Ótimo vídeo Fernanda. Uma dúvida sobre um modelo que estou formando, tenho várias variáveis e utilizo o método de stepwise para filtragem das preditoras significantes, sobram 16 variáveis de 44, porém, apesar de o p valor dessas variáveis ser abaixo de 0.05 os intervalos de confiança das ODDS de alguns deles contém o valor 1. Dai minha pergunta, se temos significância a 5% pelo p-valor dos coeficientes, não era esperado que o intervalo de confiança das odds não contivesse o valor 1?

[@FernandaPeres]

Seria o esperado. Mas existe um detalhe: as distribuições usadas para calcular o p e a OR são diferentes. Então, em resultados marginais (que estão próximos do nível de significância), o p e a OR podem diferir. E, não é muito recomendado fazer o stepwise. O ideal seria escolher as variáveis que vão compor o modelo por razões teóricas. O livro do Andy Field (Descobrindo a estatística usando o SPSS) faz uma discussão sobre isso.

[@ecacarva]

Mais uma pegunta Fernanda, se eu tiver um desbalanceamente nas duas categorias, por exemplo: 244 Não e 28 Sim, qual seria a análise adequada para verificar os possíveis preditores de câncer de pulmão?

[@FernandaPeres]

Se o objetivo não for usar o modelo para fazer previsões, isso não vai ser um problema. Mas, para previsões, será. Aí há estratégias de reamostragem, que fazem down-sample ou up-sample, aumentando a classe que está em menor frequência ou diminuindo a de maior.

[@anacarlamaria5676]

Qual link do video que você explica melhor a OR? Você falou que ia colocar na descrição mas não colocou. Obrigada pelos vídeos Fernanda

[@FernandaPeres]

Ops! Editei, agora está.

[@anacarlamaria5676]

@@FernandaPeres Valeu!

[@katiafacure6373]

Me ajudou muito também, como todos os seus vídeos. Você vai ensinar o modelo com distribuição de Poisson para variável dependente quantitativa discreta (dados de contagem)?

[@FernandaPeres]

Ainda não sei se vou. O plano é esse, mas é um assunto que eu preciso estudar mais... O Altay ensina no canal Cientística (usando o SPSS), se te interessar :)

[@katiafacure6373]

@@FernandaPeres muito obrigada pela dica, vou procurar! Mais uma vez obrigada pelos vídeos maravilhosos, você é muito admirada pelos alunos da Pós em Ecologia onde eu dou aula. Abraços.

[@FernandaPeres]

@@katiafacure6373 Ahh, muito obrigada! Amei saber disso!! :)

[@oseasmachado7585]

muito bom!

[@natanalbuquerque1053]

👏👏👏👍👍

[@anacarlamaria5676]

Faz vídeo de regressão Logística Multinomial no R! :D

[@FernandaPeres]

Vai sair em breve ;)

[@fabioazevedo8245]

Muito bom!