Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares
Autor(a) principal: | |
---|---|
Data de Publicação: | 2015 |
Tipo de documento: | Trabalho de conclusão de curso |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFRGS |
Texto Completo: | http://hdl.handle.net/10183/129437 |
Resumo: | Em estudos clínicos onde o desfecho é uma variável dicotômica e o fator de exposição é de natureza quantitativa, uma grande dificuldade reportada pelos pesquisadores é estimar a razão de chances quando a relação entre o preditor e a resposta é não linear no logito. Práticas comuns como transformações, utilização de termos polinomiais e categorização das variáveis acarretam uma série de problemas, como: perda de poder, subjetividade da análise e dificuldades na interpretação. Por vezes, essas técnicas não possibilitam a estimação da razão de chances - medida de associação frequentemente utilizada em pesquisas, principalmente na epidemiologia. A abordagem de regressão logística utilizando b-splines é uma técnica pouco difundida e que pode ser útil para investigar relações não lineares entre preditores quantitativos com um desfecho binário, pois busca modelar as variáveis sem impor restrições, através de um modelo suavizado. Desta forma, o objetivo principal deste trabalho é revisar a literatura estatística a fim de identificar diferentes abordagens do uso de splines e explorar algoritmos implementados para empregar o método. Rotinas computacionais desenvolvidas por Gregory et al. (2008) foram utilizadas para ajustar diferentes modelos, variando o grau dos polinômios e a quantidade de pontos de corte. Os modelos ajustados mostraram-se fortemente capazes de identificar a relação funcional de um preditor quantitativo com um desfecho dicotômico, utilizando um banco de dados simulados. Os modelos de regressão logística utilizando b-splines podem ser avaliados através da estatística AIC e permitem estimar a razão de chances e o intervalo de confiança para valores pontuais da covariável, a partir de um valor de referência definido pelo usuário. |
id |
UFRGS-2_008df0f0505eb1d2b4865e824eaabfc1 |
---|---|
oai_identifier_str |
oai:www.lume.ufrgs.br:10183/129437 |
network_acronym_str |
UFRGS-2 |
network_name_str |
Repositório Institucional da UFRGS |
repository_id_str |
|
spelling |
Utpott, Nicole MachadoVigo, Álvaro2015-11-10T02:41:27Z2015http://hdl.handle.net/10183/129437000976776Em estudos clínicos onde o desfecho é uma variável dicotômica e o fator de exposição é de natureza quantitativa, uma grande dificuldade reportada pelos pesquisadores é estimar a razão de chances quando a relação entre o preditor e a resposta é não linear no logito. Práticas comuns como transformações, utilização de termos polinomiais e categorização das variáveis acarretam uma série de problemas, como: perda de poder, subjetividade da análise e dificuldades na interpretação. Por vezes, essas técnicas não possibilitam a estimação da razão de chances - medida de associação frequentemente utilizada em pesquisas, principalmente na epidemiologia. A abordagem de regressão logística utilizando b-splines é uma técnica pouco difundida e que pode ser útil para investigar relações não lineares entre preditores quantitativos com um desfecho binário, pois busca modelar as variáveis sem impor restrições, através de um modelo suavizado. Desta forma, o objetivo principal deste trabalho é revisar a literatura estatística a fim de identificar diferentes abordagens do uso de splines e explorar algoritmos implementados para empregar o método. Rotinas computacionais desenvolvidas por Gregory et al. (2008) foram utilizadas para ajustar diferentes modelos, variando o grau dos polinômios e a quantidade de pontos de corte. Os modelos ajustados mostraram-se fortemente capazes de identificar a relação funcional de um preditor quantitativo com um desfecho dicotômico, utilizando um banco de dados simulados. Os modelos de regressão logística utilizando b-splines podem ser avaliados através da estatística AIC e permitem estimar a razão de chances e o intervalo de confiança para valores pontuais da covariável, a partir de um valor de referência definido pelo usuário.application/pdfporRegressão logísticaEstimaçãoRegressão Logística utilizando b-splines : uma maneira de lidar com relações não linearesinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/bachelorThesisUniversidade Federal do Rio Grande do SulInstituto de Matemática. Departamento de EstatísticaPorto Alegre, BR-RS2015Estatística: Bachareladograduaçãoinfo:eu-repo/semantics/openAccessreponame:Repositório Institucional da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSORIGINAL000976776.pdf000976776.pdfTexto completoapplication/pdf1133736http://www.lume.ufrgs.br/bitstream/10183/129437/1/000976776.pdf9cd05e5b5270930fdc05fb1b35aa9eecMD51TEXT000976776.pdf.txt000976776.pdf.txtExtracted Texttext/plain92665http://www.lume.ufrgs.br/bitstream/10183/129437/2/000976776.pdf.txtd45e6314c1830083b8d94949321a4205MD52THUMBNAIL000976776.pdf.jpg000976776.pdf.jpgGenerated Thumbnailimage/jpeg1405http://www.lume.ufrgs.br/bitstream/10183/129437/3/000976776.pdf.jpgd327e38882551545cca2ba07c5f1f585MD5310183/1294372018-10-22 07:53:14.18oai:www.lume.ufrgs.br:10183/129437Repositório de PublicaçõesPUBhttps://lume.ufrgs.br/oai/requestopendoar:2018-10-22T10:53:14Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false |
dc.title.pt_BR.fl_str_mv |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares |
title |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares |
spellingShingle |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares Utpott, Nicole Machado Regressão logística Estimação |
title_short |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares |
title_full |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares |
title_fullStr |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares |
title_full_unstemmed |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares |
title_sort |
Regressão Logística utilizando b-splines : uma maneira de lidar com relações não lineares |
author |
Utpott, Nicole Machado |
author_facet |
Utpott, Nicole Machado |
author_role |
author |
dc.contributor.author.fl_str_mv |
Utpott, Nicole Machado |
dc.contributor.advisor1.fl_str_mv |
Vigo, Álvaro |
contributor_str_mv |
Vigo, Álvaro |
dc.subject.por.fl_str_mv |
Regressão logística Estimação |
topic |
Regressão logística Estimação |
description |
Em estudos clínicos onde o desfecho é uma variável dicotômica e o fator de exposição é de natureza quantitativa, uma grande dificuldade reportada pelos pesquisadores é estimar a razão de chances quando a relação entre o preditor e a resposta é não linear no logito. Práticas comuns como transformações, utilização de termos polinomiais e categorização das variáveis acarretam uma série de problemas, como: perda de poder, subjetividade da análise e dificuldades na interpretação. Por vezes, essas técnicas não possibilitam a estimação da razão de chances - medida de associação frequentemente utilizada em pesquisas, principalmente na epidemiologia. A abordagem de regressão logística utilizando b-splines é uma técnica pouco difundida e que pode ser útil para investigar relações não lineares entre preditores quantitativos com um desfecho binário, pois busca modelar as variáveis sem impor restrições, através de um modelo suavizado. Desta forma, o objetivo principal deste trabalho é revisar a literatura estatística a fim de identificar diferentes abordagens do uso de splines e explorar algoritmos implementados para empregar o método. Rotinas computacionais desenvolvidas por Gregory et al. (2008) foram utilizadas para ajustar diferentes modelos, variando o grau dos polinômios e a quantidade de pontos de corte. Os modelos ajustados mostraram-se fortemente capazes de identificar a relação funcional de um preditor quantitativo com um desfecho dicotômico, utilizando um banco de dados simulados. Os modelos de regressão logística utilizando b-splines podem ser avaliados através da estatística AIC e permitem estimar a razão de chances e o intervalo de confiança para valores pontuais da covariável, a partir de um valor de referência definido pelo usuário. |
publishDate |
2015 |
dc.date.accessioned.fl_str_mv |
2015-11-10T02:41:27Z |
dc.date.issued.fl_str_mv |
2015 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
format |
bachelorThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
http://hdl.handle.net/10183/129437 |
dc.identifier.nrb.pt_BR.fl_str_mv |
000976776 |
url |
http://hdl.handle.net/10183/129437 |
identifier_str_mv |
000976776 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFRGS instname:Universidade Federal do Rio Grande do Sul (UFRGS) instacron:UFRGS |
instname_str |
Universidade Federal do Rio Grande do Sul (UFRGS) |
instacron_str |
UFRGS |
institution |
UFRGS |
reponame_str |
Repositório Institucional da UFRGS |
collection |
Repositório Institucional da UFRGS |
bitstream.url.fl_str_mv |
http://www.lume.ufrgs.br/bitstream/10183/129437/1/000976776.pdf http://www.lume.ufrgs.br/bitstream/10183/129437/2/000976776.pdf.txt http://www.lume.ufrgs.br/bitstream/10183/129437/3/000976776.pdf.jpg |
bitstream.checksum.fl_str_mv |
9cd05e5b5270930fdc05fb1b35aa9eec d45e6314c1830083b8d94949321a4205 d327e38882551545cca2ba07c5f1f585 |
bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 |
repository.name.fl_str_mv |
Repositório Institucional da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS) |
repository.mail.fl_str_mv |
|
_version_ |
1801224492465258496 |