[R-br] Distribuição para regressão de resposta binária
Marcos Bissoli
mbissoli em gmail.com
Terça Fevereiro 14 09:27:55 BRST 2017
Olá Cesar e amigos,
Tive que apelar para o dicionário para conhecer a palavra "perfunctória". :D
O problema do intercepto é corrigido quando eu ajusto a variância robusta.
Veja:
> Mod1 <- glm(Tabagismo~.,data = TabModelagem,family = quasipoisson(link = log))> summary(Mod1)
Call:
glm(formula = Tabagismo ~ ., family = quasipoisson(link = log),
data = TabModelagem)
Deviance Residuals:
Min 1Q Median 3Q Max
-1.4867 -0.7821 -0.5889 0.5349 1.6624
Coefficients:
Estimate Std. Error t value Pr(>|t|)
(Intercept) -1.245e+00 8.738e-01 -1.424 0.154644
(...)
> RP.Poisson.Ceci(Mod1) Estimate Pr(>|z|) RP LCL UCL
(Intercept) -1.245e+00 2.199e-04 0.288055 0.148852 0.557437
Mas o questionamento é bastante interessante. Em princípio, um intercepto
sem significância poderia fazer sentido, sim, nos meus dados, no meu
entender. Isso significaria que só existiriam tabagistas na presença dos
efeitos em estudo? De fato, pouco provável, mas possível.
Não, meus dados não são balanceados. Em verdade, isso NUNCA acontece em
estudos observacionais. Eu não tenho controle algum, durante o
delineamento, sobre as variáveis explicativas. Isso é a natureza de estudos
epidemiológicos observacionais. Em alguns casos, como em delineamentos de
coorte ou caso-controle, podemos ter algum controle de balanceamento, mas
sempre apenas sobre uma única variável explicativa, e isso em geral é pouco
comum, pois a ocorrência de censuras é inevitável. Isso também significaria
uma circunstância especial, que mereceria algum procedimento amenizador?
É importante frisar. O tabagismo é apenas uma de sete variáveis resposta
que tenho em meu banco. Já modelei outras três e, não que tenha sido
simples, mas cheguei a modelos com bom ajuste visual. Até agora, a única
que "causou choque" pelo diagnóstico do qqPlot foi essa do Tabagismo. Acho
que o Leonard afirmou que não dá muita importância a esses gráficos, e
estou "precisando" me convencer disso e seguir em frente, pois os prazos
começam a fazer mais efeito...
Muito obrigado, mais uma vez.
Saúde, paz e luz!
Em 11 de fevereiro de 2017 01:27, Cesar Rabak <cesar.rabak em gmail.com>
escreveu:
> Marcos,
>
> Dei uma olhada "perfunctória" nas respostas e me fixei nos resultados de
> duas regressões que você enviou, na mensagem de nove do corrente 10h34, e a
> primeira mensagem dia sete.
>
> O que me salta os olhos nas duas regressões é o valor-p do intercepto:
>
> Na regressão do dia sete:
>
> > Mod1 <- glm(Tabagismo~.,data = TabModelagem,family = quasipoisson)> summary(Mod1)
> Call:
> glm(formula = Tabagismo ~ ., family = quasipoisson, data = TabModelagem)
>
> Deviance Residuals:
> Min 1Q Median 3Q Max
> -1.4867 -0.7821 -0.5889 0.5349 1.6624
>
> Coefficients:
> Estimate Std. Error t value Pr(>|t|)
> (Intercept) -1.245e+00 8.738e-01 -1.424 0.154644
>
>
> e nesta do dia nove:
>
> > ModeloLogistico <- glm(Tabagismo~.,data = TabModelagem,family = binomial(link = logit))> summary(ModeloLogistico)
> Call:
> glm(formula = Tabagismo ~ ., family = binomial(link = logit),
> data = TabModelagem)
>
> Deviance Residuals:
> Min 1Q Median 3Q Max
> -2.0034 -0.8824 -0.5459 1.0052 2.3721
>
> Coefficients:
> Estimate Std. Error z value Pr(>|z|)
> (Intercept) 1.215e+01 8.827e+02 0.014 0.989021
>
> Note que em ambas com modelagem (funções de ligação levemente diferentes)
> diversa, mas com chamada sem nenhuma outra mudança em relação às variáveis
> explicativas x a dependente, o valor-p do intercepto não pode ser
> descartado como sendo zero.
>
> Isso faz sentido na sua análise?
>
> Outra questão que não achei fácil nas respostas, mas que é importante:
> quantos casos você tem para cada um desses fatores e variáveis (em outras
> palavras estão equilibrados esses fatores)?
>
> HTH
> --
> Cesar Rabak
>
>
> 2017-02-09 15:03 GMT-02:00 Marcos Bissoli via R-br <
> r-br em listas.c3sl.ufpr.br>:
>
>> Prezado Prof Luiz,
>>
>> Não conheço esta técnica. Certamente que não será nenhuma bobagem
>> conhecê-la melhor. Alguma sugestão de literatura? Fiz alguma busca agora e
>> não fui muito feliz em encontrar algo que teorize-a.
>>
>> Grato,
>>
>> Marcos
>>
>> Em 9 de fevereiro de 2017 11:27, Luiz Roberto Martins Pinto <
>> luizroberto.uesc em gmail.com> escreveu:
>>
>>> Marcos,
>>>
>>> Você já pensou em utilizar modelo linear bi-segmentado? Se for uma
>>> bobagem muito grande, perdoe-me.
>>>
>>> Luiz Roberto Martins Pinto
>>> Prof. Pleno/DCET/UESC
>>> Laboratório de Estatística Computacional
>>> Universidade Estadual de Santa Cruz
>>> Ilhéus-Bahia-Brasil
>>>
>>> luizroberto.uesc em gmail.com
>>> skype: lrmpinto
>>> http://lattes.cnpq.br/2732314327604831
>>>
>>> "*The s**cience exists because there are patterns. *
>>> * The patterns exist because God created them*.
>>> * The statistic exists to research the patterns that God created.*"
>>>
>>>
>>>
>>> Em 7 de fevereiro de 2017 20:14, Marcos Bissoli via R-br <
>>> r-br em listas.c3sl.ufpr.br> escreveu:
>>>
>>>> Prezados,
>>>>
>>>> De antemão peço desculpas se desvio o tópico da lista. Mas creio que o
>>>> tema da mensagem é minimamente transversal aos aqui tratados.
>>>>
>>>> Tenho uma variável resposta binária. Como a frequência da resposta é
>>>> alta (38,11%), teóricos da Estatística aplicada à Epidemiologia sugerem que
>>>> não seja usada uma regressão logística. Neste caso (de alta prevalência do
>>>> desfecho), a primeira opção deveria ser uma log-binomial. Mas (e isso não é
>>>> raro de ocorrer), minha log-binomial não apresentou convergência.
>>>>
>>>> Quando não há convergência, os teóricos sugerem uma regressão de
>>>> Poisson com variância robusta. Entretanto, como meus dados sugerem
>>>> subdispersão, optei por um modelo de quasi-poisson. Isso já deu certo em
>>>> outras análises que fiz para terceiros. Inclusive, tenho conseguido adaptar
>>>> a variância robusta ao modelo de quasi-poisson. Mas justamente agora, com
>>>> os dados de minha tese...
>>>>
>>>> O diagnóstico visual está, ao meu ver, péssimo, para ajuste. A imagem
>>>> anexa é do modelo de quasi-poisson. Mas experimentei todos os acima citados
>>>> (logística e Poisson) e o gráfico não diferiu muito.
>>>>
>>>> [image: Imagem inline 1]
>>>>
>>>> A dúvida é... Há alguma outra alternativa de técnica de regressão que
>>>> eu poderia tentar? Minhas variáveis explicativas são diversas, em
>>>> quantidade e tipo (há contínuas, ordinais e binárias). Ou será (embora eu
>>>> ache pouco provável) que este gráfico não significa um grande incômodo?
>>>>
>>>> Fiz o teste de qui-quadrado da deviance residual e estranhamente o
>>>> valor p está resultando em 1, tanto para Poisson quanto para quasi-Poisson.
>>>> Um outro fato estranho é o pseudo R² de Nagelkerke ter acusado 20%: todas
>>>> as outras minhas variáveis resposta não passaram de 12%. Não sei se é
>>>> correto (consultei bibliografia que sugeria isso para a regressão
>>>> logística), mas apliquei um teste de Hosmer e Lemeshow e ele acusou um bom
>>>> ajuste do modelo, também (p = 0,2718). Até uma curva de ROC eu fiz e a área
>>>> está grande no gráfico (mais uma técnica que não sei se deve ser aplicada
>>>> além da regressão logística,).
>>>>
>>>> Seguem alguns resultados, caso possa ajudar em algo.
>>>>
>>>> Desde já agradeço qualquer comentário. E reforço minhas desculpas caso
>>>> eu tenha desviado do tópico além do esperado, e desde já acato qualquer
>>>> negativa em prosseguir o debate. Nesse caso, se possível, aceitaria
>>>> sugestões de boas listas para debates nesse nível onde eu pudesse me
>>>> inscrever.
>>>>
>>>> Há braços,
>>>>
>>>> Marcos Bissoli
>>>> Faculdade de Nutrição
>>>> Unifal-MG
>>>>
>>>> > Mod1 <- glm(Tabagismo~.,data = TabModelagem,family = quasipoisson)> summary(Mod1)
>>>> Call:
>>>> glm(formula = Tabagismo ~ ., family = quasipoisson, data = TabModelagem)
>>>>
>>>> Deviance Residuals:
>>>> Min 1Q Median 3Q Max
>>>> -1.4867 -0.7821 -0.5889 0.5349 1.6624
>>>>
>>>> Coefficients:
>>>> Estimate Std. Error t value Pr(>|t|)
>>>> (Intercept) -1.245e+00 8.738e-01 -1.424 0.154644
>>>> factor.SexoDic.1 5.800e-01 8.273e-02 7.011 4.11e-12 ***
>>>> factor.Branca.1 -8.332e-01 7.836e-01 -1.063 0.287863
>>>> factor.Negra.1 -8.210e-01 7.987e-01 -1.028 0.304185
>>>> factor.Parda.1 -9.009e-01 7.863e-01 -1.146 0.252163
>>>> factor.Amarela.1 -1.089e+00 8.481e-01 -1.284 0.199466
>>>> factor.SemReligiao.1 -9.670e-02 1.888e-01 -0.512 0.608566
>>>> factor.Catolica.1 -4.813e-01 1.862e-01 -2.585 0.009863 **
>>>> factor.Espirita.1 -1.235e-01 2.181e-01 -0.566 0.571230
>>>> factor.Evangelica.1 -9.177e-01 2.429e-01 -3.779 0.000166 ***
>>>> factor.AfroBrasileira.1 6.068e-01 4.303e-01 1.410 0.158794
>>>> factor.Turno.1 1.534e-03 1.034e-01 0.015 0.988169
>>>> factor.Aposentado.1 -4.516e-02 1.055e-01 -0.428 0.668597
>>>> factor.OcupaEstDiApenasDesemp.1 7.249e-02 1.411e-01 0.514 0.607474
>>>> factor.ComFamilia.1 -4.323e-01 2.128e-01 -2.031 0.042444 *
>>>> factor.ComOutParentes.1 -5.029e-01 3.517e-01 -1.430 0.153011
>>>> factor.Republica.1 8.985e-03 1.959e-01 0.046 0.963429
>>>> factor.Sozinho.1 -2.475e-01 2.236e-01 -1.107 0.268673
>>>> factor.Pensao.1 -8.439e-01 4.000e-01 -2.110 0.035106 *
>>>> factor.OutroMoradia.1 -5.262e-01 3.353e-01 -1.569 0.116880
>>>> factor.RU.1 -1.937e-01 1.059e-01 -1.830 0.067589 .
>>>> factor.praec4.1 -1.583e-01 2.666e-01 -0.594 0.552951
>>>> IdadeA 3.787e-02 9.381e-03 4.037 5.79e-05 ***
>>>> escola 8.576e-02 3.441e-02 2.492 0.012836 *
>>>> RendaPC 4.045e-05 1.313e-05 3.080 0.002119 **
>>>> Dist 2.605e-05 1.296e-04 0.201 0.840689
>>>> PraecSoma 2.419e-02 3.086e-02 0.784 0.433427
>>>> ---
>>>> Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1
>>>>
>>>> (Dispersion parameter for quasipoisson family taken to be 0.6036898)
>>>>
>>>> Null deviance: 834.67 on 1135 degrees of freedom
>>>> Residual deviance: 706.16 on 1109 degrees of freedom
>>>> AIC: NA
>>>>
>>>> Number of Fisher Scoring iterations: 5
>>>>
>>>>
>>>>
>>>>
>>>> --
>>>> MARCOS BISSOLI
>>>>
>>>> Faculdade de Nutrição
>>>> Universidade Federal de Alfenas
>>>>
>>>> Blog: bocademiamaldita.blogspot.com/
>>>> E-mail: mbissoli em gmail.com
>>>> Twitter: #mbissoli
>>>>
>>>> Alfenas, Minas Gerais, Brasil
>>>>
>>>>
>>>> *****Pense na Natureza antes de Imprimir*****
>>>> Divulgue ON-LINE
>>>>
>>>> Eu apoio a ENEN "na luta por um Brasil sem fome"
>>>>
>>>> "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan"
>>>> (para cada povo sua própria língua, para todos os povos o Esperanto)
>>>>
>>>> E nunca votarei no PSDB/DEM!
>>>>
>>>> _______________________________________________
>>>> R-br mailing list
>>>> R-br em listas.c3sl.ufpr.br
>>>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
>>>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
>>>> código mínimo reproduzível.
>>>>
>>>
>>>
>>
>>
>> --
>> MARCOS BISSOLI
>>
>> Faculdade de Nutrição
>> Universidade Federal de Alfenas
>>
>> Blog: bocademiamaldita.blogspot.com/
>> E-mail: mbissoli em gmail.com
>> Twitter: #mbissoli
>>
>> Alfenas, Minas Gerais, Brasil
>>
>>
>> *****Pense na Natureza antes de Imprimir*****
>> Divulgue ON-LINE
>>
>> Eu apoio a ENEN "na luta por um Brasil sem fome"
>>
>> "por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan"
>> (para cada povo sua própria língua, para todos os povos o Esperanto)
>>
>> E nunca votarei no PSDB/DEM!
>>
>> _______________________________________________
>> R-br mailing list
>> R-br em listas.c3sl.ufpr.br
>> https://listas.inf.ufpr.br/cgi-bin/mailman/listinfo/r-br
>> Leia o guia de postagem (http://www.leg.ufpr.br/r-br-guia) e forneça
>> código mínimo reproduzível.
>>
>
>
--
MARCOS BISSOLI
Faculdade de Nutrição
Universidade Federal de Alfenas
Blog: bocademiamaldita.blogspot.com/
E-mail: mbissoli em gmail.com
Twitter: #mbissoli
Alfenas, Minas Gerais, Brasil
*****Pense na Natureza antes de Imprimir*****
Divulgue ON-LINE
Eu apoio a ENEN "na luta por um Brasil sem fome"
"por ĉiu popolo ties propran lingvon, por ĉiuj popoloj la esperantan"
(para cada povo sua própria língua, para todos os povos o Esperanto)
E nunca votarei no PSDB/DEM!
-------------- Próxima Parte ----------
Um anexo em HTML foi limpo...
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170214/caac7d40/attachment.html>
-------------- Próxima Parte ----------
Um anexo não-texto foi limpo...
Nome: image.png
Tipo: image/png
Tamanho: 40068 bytes
Descrição: não disponível
URL: <http://listas.inf.ufpr.br/pipermail/r-br/attachments/20170214/caac7d40/attachment.png>
Mais detalhes sobre a lista de discussão R-br