1 / 26

Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana

Regressão Logística e Aplicação em Software Estatísticos. Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana. 1/ 26. Razão de Chances. Aplicação e Comparação dos Software Estatísticos. Aplicação Conjunto Dados Cardíacos. INTRODUÇÃO. 2/ 26.

benito
Download Presentation

Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Regressão Logística e Aplicação em Software Estatísticos Orientando : Alexandro Vieira Lopes Orientadora : Profª. Drª.Vilma Mayumi Tachibana 1/ 26

  2. Razão de Chances Aplicação e Comparação dos Software Estatísticos Aplicação Conjunto Dados Cardíacos INTRODUÇÃO 2/ 26

  3. RAZÃO DE CHANCES O que os Coeficientes estimados do modelo informam num estudo Variável Independente Dicotômica Variável Independente Politômica Variável Independente Contínua 3/ 26

  4. RAZÃO DE CHANCES Variável Independente Dicotômica A RAZÃO DE CHANCES é uma medida de associação que aproxima o mais (menos) provável do resultado estar presente entre aqueles com X = 1 do que entre aqueles com X = 0. 4/ 26

  5. RAZÃO DE CHANCES A razão de chances é: A chance da ocorrência de Problema Cardíaco é 8 vezes maior em pessoas com idade maior que 55 anos do que em uma pessoa com idade inferior a 55 anos. 5/ 26

  6. APLICAÇÃO DADOS CARDÍACOS Hospital Pró-Cardíaco- RJ ; N = 599 Pacientes 6/ 26

  7. Idade Sexo = 0 =1 Hipertensão Arterial: Ausência = 0 , Presença = 1 Histórico Familiar: Não = 0 , Sim = 1 Ausência = 0 , Presença = 1 APLICAÇÃO DADOS CARDÍACOS 7/ 26

  8. Infarto Prévio: Não = 0 , Sim = 1 Não Fumante = 0 , Fumante = 1 Killip de entrada (intensidade):1,2,3,4. Localização Parede: anterior,inferior, lateral, onda Q: Não = 0 , Sim = 1 = 0 = 1 Óbito Hospitalar APLICAÇÃO DADOS CARDÍACOS 8/ 26

  9. RESULTADOS MODELO COMPLETO Logito:g(x) = -5,688 + 0,02653*idade – -1,0693*sexo – 0,3607*has + 0,8363*iamp+ +0,3984*diab - - 0,5155*fumo – 0,4053*hfam + 0,4707*parea + 0,4052*parei + + 04812*parel + 1,5733*kient. 9/ 26

  10. RESULTADOS MODELO COMPLETO 10/ 26

  11. RESULTADOS MODELO REDUZIDO Seleção de Variáveis STEPWISE p-valor entrada = 0,15 p-valor remoção = 0,20. Termos de Interação. Logito:g(x) = -6,6745 + 0,0383*idade –0,9826*sexo + +1,8411*iamp + 1,8265*kient –0,6943*iamp*kient. 11/ 26

  12. RESULTADOS SOFTWARE STATA 12/ 26

  13. RESULTADOS MODELO REDUZIDO 13/ 26

  14. RESULTADOS COMPARAÇÃO DE MODELOS Gnovo = G(modelo completo) – G (modelo reduzido) Gnovo = 155,013 – 150,03 = 4,983. Modelo completo p = 11 covariáveis Modelo reduzido k = 5 covariáveis. = = 12,59 Como Gnovo = 4,983 < = 12,59. Coeficientes das variáveis que NÃO estão no modelo reduzido são iguais a zero ( i = 0 ). Variáveis NÃO têm signficância estatística. Modelo reduzido sintetiza as variáveis mais importantes. 14/ 26

  15.  0,37 ou RESULTADOS RAZÃO DE CHANCES A razão de chances é: A chance de óbito hospitalar é 3 vezes maior entre as mulheres comparado com os homens. 15/ 26

  16. Ponto de Corte = 0,11. Se a probabilidade de um paciente for maior que 0,11 ele é classificado como tendo óbito hospitalar. RESULTADOS PONTO DE CORTE Gráfico de Sensitividade x Especificidade, valores são obtidos a partir de diferentes pontos de corte. 16/ 26

  17. COMPARAÇÃO SOFTWARE 17/ 26

  18. Regressão Logística: Estudos de Coorte, Caso-Controle ; Escolha do Tamanho da Amostra ; Dados são Correlacionados. Manual dos Software. Noções do Diagnóstico em Regressão Logística , & Regressão Logística Multinomial e Ordinal. CONSIDERAÇÕES FINAIS 18/ 26

  19. Dificuldade de lidar com observações perdidas e colinearidade. Aplicar técnicas: Árvores de Classificação, Redes Neurais ou Análise Discriminante. Comparação dos modelos. O modelo de Regressão Logística é uma excelente opção para dados da variável resposta binários: facilidade de interpretação dos parâmetros, simplicidade,popularidade e disponibilidade nos software estatísticos. CONSIDERAÇÕES FINAIS 19/ 26

  20. REFERÊNCIAS BARROS, C. S. et al. Infarto agudo do miocárdio: um estudo bibliográfico sob a visão da enfermagem. Recife, 2006. Disponível em: <http://www.cbcenf.com.br/anaiscofen/pdf9/0226.pdf>. Acesso em: 10 set. 2008. BASSANEZI, R. C. Ensino-aprendizagem com modelagem matemática. São Paulo: Contexto, 2004. 389 p. BUSSAB, W. de O.; MORETIN, P. A. Estatística básica. 5. ed. São Paulo: Saraiva, 2002. 526 p. COLLETT, D. Modelling binary data. London: Chapman & Hall, 1991. 369 p. FARHAT, C. A. V. Análise de diagnóstico em regressão logística. 2003. 113 f. Dissertação (Mestrado em Estatística) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo. 20/ 26

  21. REFERÊNCIAS HOSMER, D. W.; LEMESHOW, S. Applied logistic regression. 2nd ed. New York: Wiley, 2000. 375 p. ISHIKAWA, N. I. Uso de transformações em modelos de regressão logística. 2007. 92 f. Dissertação (Mestrado em Ciências) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo. KRISHNAMOORTHY, K. Handbook of statistical distributions with applications. Boca Raton: Chapman & Hall/CRC, 2006. 345 p. KUBRUSLY, R. S. O tamanho do infinito. Projeto novas tecnologias de ensino. Rio de Janeiro, 2004. Disponível em: <http://www.dmm.im.ufrj.br/projeto/diversos/tamanho.html>. Acesso em: 1 jan. 2008. MONTGOMERY, D. C. et al. Introduction to linear regression analysis. 2nd ed. New York: Wiley, 2001. 641 p. 21/ 26

  22. REFERÊNCIAS SOUZA, A. D. P. Métodos aproximados em modelos hierárquicos dinâmicos bayesianos. 1999. 142 f. Tese (Doutorado em Ciências em Engenharia de Produção) – COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro. SOUZA, E. C. Análise de influência local no modelo de regressão logística. 2006. 101 f. Dissertação (Mestrado em Agronomia) – Escola Superior de Agricultura “Luiz de Queiroz”, Universidade de São Paulo, Piracicaba. Disponível em: < http://www.teses.usp.br/teses/disponiveis/11/11134/tde-12042006-143935/>. Acesso em: 19 mar. 2008. TACHIBANA, V. M. Métodos aproximados em modelos bayesianos de resposta aleatorizada e regressão logística. 1995. 133 f. Tese (Doutorado em Ciências em Engenharia de Produção) – COPPE, Universidade Federal do Rio de Janeiro, Rio de Janeiro. 22/ 26

  23. BIBLIOGRAFIA ANDRADE, A.O. Aplicação do modelo logístico multinomial no estudo da decisão do voto. 2006. 152 f. Dissertação (Mestrado em Estudos Populacionais e Pesquisas Sociais) – Escola Nacional de Ciências Estatísticas, IBGE, Rio de Janeiro. Disponível em: <http://www.ence.ibge.gov.br/pos_graduacao/mestrado/dissertacoes/pdf/2006/adriana_oliveira_andrade_TC.pdf>. Acesso em: 08 mar. 2008. BUSSAB, W. de O. Análise de variância e de regressão. São Paulo: Atual, 1986. 147 p. HAIR Jr, J. F. et al. Análise multivariada de dados. Tradução de Adonai Schlup Sant’ana, Anselmo Chaves Neto. Bookman, 2005. 593 p. JOHNSON, R. A.; WICHERN, D.W. Applied multivariate statistical analysis. 6th ed. New Jersey: Prentice Hall, 2007. 773 p. KLEINBAUM, D.G. Logistic Regression. A self-learning text. New York: Springer-Verlag, 1994. 282 p. 23/ 26

  24. BIBLIOGRAFIA MIGON, H. S. et al. Modelos hierárquicos e aplicações. São Paulo: ABE, 2008. 269 p. MOOD, A. M. et al. Introduction to the theory of statistics. 3rd ed. New York: McGraw-Hill, 1974. 564 p. MYERS, R. H. et al. Generalized linear models with applications in engineering and the sciences. New York: Wiley, 2002. 342 p. OHTOSHI, C. Uma comparação de regressão logística, árvores de classificação e redes neurais: analisando dados de crédito. 2003. 89 f. Dissertação (Mestrado em Estatística) – Instituto de Matemática e Estatística, Universidade de São Paulo, São Paulo. SANTOS, M.A. Regressão logística sob enfoque bayesiano. 2007. 69 f. Trabalho de Conclusão de Curso (Graduação em Estatística) – Faculdade de Ciências e Tecnologia, Universidade Estadual Paulista, Presidente Prudente, 2007. 24/ 26

  25. AGRADECIMENTOS Obrigado a Deus e a nossa Senhora por tudo. Agradeço a minha orientadora professora Vilma Mayumi Tachibana, que foi como uma mãe para mim. Sou muito grato a todos os colegas da turma da estatística e especialmente a Bruno Pierre Lopes Vasconcelos, Cláudio Sá Rodrigues de Lima, Meire Midori Hori Pereira e Roberta Santos Ferreira por toda ajuda durante esta graduação. Muito obrigado a Marta Bengüela, Genir Pulitti, Alessandra Kellen e Ermelinda Magosso, por dar me a oportunidade de morar tão perto da faculdade e por toda a caridade. Agradecimento, a minha mãe Maria do Socorro Vieira Lopes, João Bosco Lopes, Alan Vieira Lopes que são a motivação de todo empenho e dedicação. 25/ 26

  26. Regressão Logística e Aplicação em Software Estatísticos ALEXANDRO VIEIRA LOPES Contato: alexandro2x@hotmail.com Site : http://geocities.yahoo.com.br/alexandro2x 4º ANO ESTATÍSTICA PRESIDENTE PRUDENTE 2008 26/ 26

More Related