Neste post, falaremos sobre como fazer uma regressão logística no JASP de forma prática e eficiente. Primeiramente, explicaremos como carregar os dados e configurar o modelo. Em seguida, detalharemos as opções estatísticas que você deve selecionar. Depois, interpretaremos os principais resultados da saída. Por fim, mostraremos como relatar os achados de forma clara e objetiva.
Como iniciar uma regressão logística no JASP
Para começar, abra o JASP e carregue o banco de dados Heart Attack.csv, que pode ser baixado aqui. Ele contém quatro colunas, a saber, ID do paciente, ocorrência de segundo ataque cardíaco (sim/não), prescrição de exercícios (sim/não) e níveis de estresse (valores maiores indicam maior estresse). A Figura 1 apresenta um screenshot do banco de dados no JASP.
Logo após abrir o arquivo, acesse o módulo Regressão e selecione Regressão logística. Em seguida, defina “2nd heart attack” como variável dependente, adicione “Stress level” como covariável e “Exercise prescription” como fator. Além disso, mantenha o método de entrada como enter (Entrar), tal como ilustra a Figura 2.
Assim que configurar essas opções, o JASP exibirá automaticamente a saída da análise. No entanto, ainda é importante ajustar as opções estatísticas, como veremos a seguir.
Estatísticas essenciais na regressão logística no JASP
Em seguida, clique em Estatísticas e marque as seguintes opções: Estimativas, índices de probabilidades (odds ratios), matriz de confusão, sensibilidade e especificidade (Figura 3). Essas métricas são fundamentais para avaliarmos a qualidade de nosso modelo.
Ao revisar a tabela de resumo do modelo (Figura 4), observe que o H1 apresenta os menores escores AIC e BIC, sugerindo uma relação significativa entre a variável dependente e os preditores.
O teste qui-quadrado, χ²(37) = 21,26, p < 0,001, confirma essa associação. Além disso, o R² de McFadden é 0,38, valor considerado aceitável, pois modelos com R² entre 0,20 e 0,40 geralmente apresentam bom ajuste.
Em seguida, vamos explorar com mais detalhes os coeficientes e a matriz de confusão.
Interpretando os resultados da regressão logística no JASP
Em síntese, a tabela de coeficientes (Figura 5) mostra que tanto o nível de estresse, b = 0,09, EP = 0,04, χ²(1) = 4,66, p = 0,03, quanto a prescrição de exercícios, b = –2,04, EP = 0,89, χ²(1) = 5,27, p = 0,02, são preditores estatisticamente significativos da probabilidade de um segundo ataque ataque cardíaco.
Além disso, uma medida de tamanho de efeito útil para interpretarmos os resultados é a razão de chances (odds ratio, OR) que, na atual tradução do JASP para o português, aparece sob o rótulo razão de probabilidade. No que se refere à razão de chances, valores maiores que 1 indicam relação positiva; menores que 1 indicam relação negativa.
Portanto, níveis mais altos de estresse aumentam a probabilidade de um segundo ataque cardíaco (OR = 1,09). Em contrapartida, a intervenção com exercícios reduz significativamente essa probabilidade (OR = 0,13). Em síntese, com uma razão de chances de 0,13, o risco de um segundo evento cai para apenas 13% entre os que receberam a prescrição de atividade física.
Além disso, a matriz de confusão ajuda a avaliar a performance do modelo (Figura 6). O JASP mostra que 30 de 40 casos (75%) foram corretamente classificados como positivos ou negativos. Por outro lado, 10 casos foram classificados incorretamente. Como resultado, tanto a sensibilidade quanto a especificidade ficaram em 75%.
Como relatar os resultados da regressão logística no JASP
Você pode reportar os resultados da seguinte forma:
Realizamos uma regressão logística no JASP a fim de investigar os efeitos do estresse e da prescrição de exercícios sobre a probabilidade de um segundo ataque cardíaco. O modelo foi estatisticamente significativo, χ²(37) = 21,26, p < 0,001, com acurácia geral de 75% (sensibilidade = 75%; especificidade = 75%).
Aumentos nos níveis de estresse se associaram a uma maior probabilidade de um segundo ataque cardíaco, b = 0,09, EP = 0,04, χ²(1) = 4,66, p = 0,03, OR = 1,09. Por outro lado, a intervenção com exercícios se associou a uma redução da probabilidade de um segundo ataque cardíaco para 13%, b = –2,04, EP = 0,89, χ²(1) = 5,27, p = 0,02, OR = 0,13.
Essa forma de relatar os achados facilita a compreensão dos leitores e valoriza a clareza na comunicação científica.
Conclusão
Como vimos, fazer uma regressão logística no JASP é mais acessível do que parece. O software oferece recursos intuitivos e resultados estatísticos claros, ideais para pesquisadores em formação ou profissionais da área.
Se você precisa aprender análise de dados, então faça parte da Psicometria Online Academy, a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).
Referência
Field, A. (2017). Discovering statistics using IBM SPSS Statistics (5th ed.). Sage.
Como citar este post
França, A. (2022, 25 de novembro). Como fazer uma regressão logística no JASP? Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/como-fazer-uma-regressao-logistica-no-jasp/
