Leia esta resenha se quiser aprender regressão logística

 

Fernandes, A. A. T., Figueiredo Filho, D. B., Rocha, E. C. D., & Nascimento, W. D. S. (2021). Leia este artigo se você quiser aprender regressão logística. Revista de Sociologia e Política, 28. https://doi.org/10.1590/1678-987320287406en

Resenhado por Luiz Guilherme Lima Silva.

A utilização de variáveis categóricas binárias é comum em pesquisas empíricas na Psicologia da Saúde. Toma-se como exemplo: fuma ou não fuma, ingere ou não álcool, tem ou não diagnóstico de câncer/hipertensão/psoríase, aderiu ou não às intervenções propostas. Para essas situações, a regressão logística binomial é a mais indicada para analisar a variação da variável dependente (VD) em função de variáveis independentes. Devido à didática e relevância do presente artigo para as Ciências Humanas, a resenha foi feita com exemplos para a Psicologia da Saúde a fim de facilitar a compreensão por parte de interessados na área.

A regressão logística binomial é aquela na qual a VD (desfecho) apresenta duas categorias. A ocorrência do evento de interesse é codificado como 1 e a sua ausência é 0. Para entender o funcionamento da regressão logística, é necessário saber que a VD viola alguns dos pressupostos que habilitaria a realização da regressão linear: a homoscedasticidade, linearidade e normalidade. Na regressão linear, o gráfico se assemelha a uma linha reta, ao passo que o gráfico da regressão logística se assemelha à letra S, que se chama gráfico logit. O gráfico pode ser interpretado como a medida em que um ponto no gráfico se aproxima do 1 no eixo Y, maior é a probabilidade de ocorrência do evento de interesse. Ao contrário, à medida em que o ponto se aproxima do 0 no eixo das ordenadas, menor é a probabilidade de ocorrência.

Para planejar uma regressão logística, o pesquisador deve identificar uma VD que seja dicotômica. O próximo passo é identificar problemas de multicolinearidade entre as variáveis independentes, pois quando a correlação é muito alta, o erro padrão dos coeficientes é grande, o que dificulta avaliar a importância das variáveis explicativas. Outro passo é a verificação de outliers, uma vez que produzem resultados pouco confiáveis, prejudicando o ajuste do modelo. Algumas opções são excluir os casos ou imputar valores menos extremos, como a média ou mediana. O terceiro passo é estimar o modelo, que pode ser feito em softwares, como o Jasp, SPSS ou Jamovi. Após a estimativa, avalie a qualidade do ajuste, que pode ser feito comparando o modelo nulo com o modelo que incorpora as variáveis independentes. O último passo e o mais importante é a interpretação do modelo. Entretanto, muitos pesquisadores se limitam a analisar a significância estatística sem dar atenção à magnitude dos coeficientes. Uma alternativa é analisar o impacto das variáveis independentes sobre a chance (odds) de ocorrência da VD.

A regressão logística é relevante para a Psicologia da Saúde referente às diversas variáveis estudadas, como diagnóstico de doenças e transtornos mentais, adesão ou não a um tratamento e presença ou ausência de comportamentos em saúde. Apesar da sua importância nesse campo, ainda são poucos os profissionais e estudantes de Psicologia que conhecem adequadamente essa técnica. A oferta de cursos e disciplinas acerca da aplicação dos modelos de regressão logística em Psicologia e saúde podem beneficiar de modo significativo a formação profissional, assim como a análise mais aprofundada de variáveis que influenciam a ocorrência de um determinado desfecho, quando aplicada em pesquisa.