Cincias Naturais e Exatas

Regresso logstica
politmica: reviso terica e
aplicaes
Hlio Radke Bittencourt

Resumo
O tradicional modelo de regresso logstica tornou-se um mtodo padro de anlise na rea
das cincias da sade, especialmente Epidemiologia, pois capaz de estabelecer uma relao de
dependncia entre uma nica varivel-resposta binria e um conjunto de variveis independentes
quantitativas ou qualitativas. A tcnica considerada uma abordagem parcialmente no-paramtrica,
no exigindo suposies sobre o comportamento probabilstico dos dados de entrada. Neste traba-
lho uma extenso da regresso logstica para variveis-resposta politmicas apresentada, bem
como uma reviso sobre os aspectos tericos mais importantes e aplicaes da tcnica com a
utilizao de bancos de dados reais.
Palavras-chave: Regresso Logstica, Anlise Discriminante.

Abstract
The traditional logistic regression model became a standard method in the medical and biological
sciences, especially in epidemiology, because allows modeling of binary response variables only
and a set of quantitative or qualitative independent variables. Logistic regression can be regarded as
a partially parametric approach, since it assumes nothing about the probability distribution of variables.
This paper describes an extension of the logistic regression to polytomous response variables, as well
as presents a revision about the most important theoretical aspects and gives some results obtained
when using real databases.
Key-Words: Logistic Regression, Discriminant Analysis.

excede dois. muito comum a utilizao

1 Introduo
Variveis qualitativas nominais so
aquelas que mais limitam a possibilidade
de utilizao de tcnicas estatsticas, espe-
cialmente quando o nmero de categorias
de tabelas de contingncia para verifica-
o de associao entre variveis nominais
que, geralmente, so acompanhadas do
bem conhecido teste Qui-quadrado. A pro-
va no-paramtrica do Qui-quadrado, as-

Hlio Radke Bittencourt - Laboratrio de Eestatstica - Ulbra

ACTA SCIENTIAE Canoas v.5 n.1 p. 77 - 86 jan./jun. 2003

ACTA SCIENTIAE v.5 n.1 jan./jun. 2003 77
sim como as medidas de associao deri-
vadas, pode ser adequada para um grande
P (Y 1)

exp 0 1 x1 p x p
nmero de casos, entretanto s permite a
1 exp 0 1 x1 p x p
anlise simultnea de duas variveis e, no
e, conseqentemente,
caso de variveis quantitativas, necess-
ria a prvia categorizao, implicando em P(Y 0) 1 P(Y 1)
1 .
perda de informao.
1 exp 0 1 x1 p x p
De acordo com Allison (1999) existem onde so os parmetros do mode-
pesquisadores utilizando inadequadamente a i
lo, estimados pelo mtodo de mxima ve-
tcnica de regresso linear para tratamento de
rossimilhana.
variveis-resposta qualitativas nominais e
ordinais o que, na sua opinio, se deve ao des- A transformao que est por trs do
conhecimento de tcnicas mais avanadas. modelo logstico a chamada transforma-
O presente estudo inicia com uma re- o logit, denotada por g(x). uma funo
viso do modelo de regresso logstica tra- linear nos parmetros , contnua e que
dicional e, em seguida, apresentada a pode variar de - a + :
extenso da tcnica para variveis
politmicas, resultados prticos e as con- P( Y 1 )
sideraes finais. logit( x ) g( x ) ln
1 P( Y 1 )
0 1 x1 p x p
2 O modelo de regres-
Hosmer e Lemeshow (1989) dizem
so logstica tradicional que h pelo menos duas razes para utili-
De acordo com Hosmer e Lemeshow zao do modelo logstico na anlise de
(1989) a regresso logstica, em sua forma variveis-resposta dicotmicas: 1) de um
tradicional, consiste de um modelo que re- ponto de vista matemtico, extremamente
laciona um conjunto de p variveis indepen- flexvel e fcil de ser utilizado; 2) permite
dentes X1 , X2, ... , Xp a uma varivel depen- uma interpretao de resultados bastante
dente Y que assume apenas dois possveis rica e direta. A Figura 1 apresenta a funo
estados, digamos 0 ou 1. O modelo logstico logstica com o seu caracterstico formato
permite a estimao direta da probabilida- em S e a relao linear entre uma nica
de de ocorrncia de um evento (Y=1): varivel x e o logit g(x).

Funo logstica Logit (funo linear)

1,0

0,8
logit(x)=g(x)
P(Y=1)

0,6

0,4

0,2

-
X X

Figura 1: Funo logstica e a relao logit

78 ACTA SCIENTIAE v.5 n.1 jan./jun. 2003

 Anderson (1982) enfatiza que a dis-
criminao logstica pode ser aplicada a
uma grande variedade de famlias de dis-
tribuies, pois a suposio de linearidade
do logit vlida numa grande quantidade
de funes de distribuio de probabilida-
de, como por exemplo, a distribuio nor-
mal multivariada.
2. 1 Hi strico do Modelo
Logstico e Principais Aplica-
es
difcil precisar exatamente o ano no
qual o modelo logstico foi utilizado pela
primeira vez, mas Cox e Snell (1989) e
Hosmer e Lemeshow (1989) concordam
que o modelo de regresso logstica ganhou
reconhecimento aps o trabalho de Truett,
Cornfield e Kennel (1967) que analisava o
risco de doena coronria em um grande
projeto conhecido por Framingham heart
study. Esse trabalho ganhou fama e at
hoje considerado um marco inicial dos
estudos envolvendo regresso logstica nas
reas da sade. McLachlan (1992) tambm
afirma que as primeiras aplicaes do mo-
delo logstico foram em estudos
prospectivos de doenas coronrias. Con-
tudo, nessas aplicaes, os autores realiza-
ram o processo de estimao de parmetros
sob a suposio de normalidade, que se
torna desnecessria quando a estimao
feita por mxima verossimilhana via m-
todos numricos. O procedimento de esti-
mao em um contexto mais genrico foi
proposto por Day and Kerridge (1967) e
por Walker and Duncan (1967).
Hosmer e Lemeshow (1989) afirmam
que o modelo de regresso logstica tornou-
se um mtodo padro de anlise de regres-
so de dados dicotmicos, especialmente
nas cincias da sade. De fato, aplicaes
da regresso logstica so comumente en-
contradas em peridicos da rea de sade,
tais como The American Journal of
Epidemiology, The American Journal of Public
Health, The International Journal of
Epidemiology e The Journal of Chronic
Diseases.
ACTA SCIENTIAE v.5 n.1 jan./jun. 2003
A literatura sobre regresso logstica
muito vasta, tendo apresentado um cresci-
mento muito rpido. Alm das inmeras
aplicaes na rea da sade, a regresso
logstica tambm tem sido utilizada no cam-
po da econometria, administrao e edu-
cao. Por esse motivo, encontramos arti-
gos envolvendo regresso logstica em pe-
ridicos de diversas reas.
3 Regresso logstica
politmica
O modelo de regresso logstica, ori-
ginalmente desenvolvido para variveis-
resposta binrias, extensvel para vari-
veis-resposta politmicas (trs ou mais
categorias). O entendimento da regres-
so logstica politmica fica mais simples
se for ut ilizad o com o exem plo
introdutrio um modelo cuja varivel-
resposta Y assume apenas trs nveis, di-
gamos 0, 1 e 2, assim como descrito em
Hosmer e Lemeshow (1989). Agora, o
modelo logstico ter duas funes logit:
a razo entre Y=1 e Y=0 e a razo entre
Y=2 e Y=0. Nesse caso, o nvel Y=0 foi
assumido como base.
P( Y 1 )
g1 ( x ) ln
P( Y 0 )
10 11 x1 1 p x p
P( Y 2 )
g 2 ( x ) ln
P( Y 0 )
20 21 x1 2 p x p
A partir das funes lineares g i(x),
cujos parmetros so estimados por mxi-
ma verossimilhana, possvel calcular as
probabilidades condicionais de ocorrncia
de cada categoria da varivel-resposta Y
dado um vetor de observaes x, confor-
me segue:
79
 Considerando y1, y2,..., yk categorias
1 exaustivas e exclusivas da varivel Y, pode-
P( Y 0 | x ) g1 x
1 e e g2 x
k
mos afirmar que
P( yi | x ) 1 . Portan-
e g1 x i 1
P( Y 1 | x ) to, a probabilidade de uma observao x
1 e g1 x e g2 x pertencer a classe yk, denotada por P(yk|x),
pode ser obtida por diferena:

e g2 x k 1
P( Y 2 | x ) P y k | x 1 P( yi | x )
1 e g1 x e g2 x i 1
A utilizao do modelo logstico para
Krzanowski (1988) afirma que, no mo- discriminao de classes pode ser direta.
mento em que as probabilidades a posteriori A regra de classificao para alocar uma
P(Y=y|x) do modelo logstico so utiliza- observao x numa das classes yi muito
das para se estabelecer uma regra de simples:
alocao, a abordagem chamada de discri-
minao logstica. Na rea de Reconhecimento x yi se P( yi | x ) P( y j | x ) ji
de Padres esse o termo mais utilizado,
conforme se pode verificar em McLachlan O modelo logstico necessita da esti-
(1992) e Bittencourt e Clarke (2002). mao de k-1 vetores de parmetros
A generalizao do modelo logstico
para variveis-resposta com k nveis (k>2)
'i 1 , 2 , , p , correspondentes a k-
direta, permitindo sua utilizao para dis- 1 categorias da varivel Y. A k-sima cate-
criminao entre k classes. Na regresso goria assumida como base. O processo
logstica politmica a probabilidade de uma de estimao dos parmetros em regresso
dada observao x pertencer a uma das logstica est baseado na maximizao da
classes yi estimada diretamente por meio funo de verossimilhana (x, ) . Para
da seguinte expresso: tornar possvel a realizao desse procedi-
mento so necessrias n amostras de trei-
expg i ( x )
P( Y y i | x ) k 1 namento x1 , x 2 , , x n , cujas classes a que

1 exp g j ( x ) pertencem so conhecidas.
j 1 Os vetores soluo bi que maximizam
i 1, 2, , k-1 a funo (x, ) so aqueles que tornam
mxima a probabilidade da particular
onde a funo logit, assumindo o n-
vel yk como base, dada por amostra de treinamento x1 , x 2 , , x n ter
sido selecionada. Sendo assim, sob a hip-
P( Y y i | x ) tese da amostra ser representativa da po-
g i ( x ) ln pulao em estudo, obtm-se um modelo
P( Y y k | x ) que maximiza as chances de classificar to-
i 0 i1 x1 ip x p das observaes da populao nas classes
yi as quais realmente pertencem. Como as
i 1, 2, , k-1 equaes derivadas da funo de verossi-
g k x 0 . milhana so no lineares, h necessidade
da utilizao de mtodos numricos para

80 ACTA SCIENTIAE v.5 n.1 jan./jun. 2003

encontrar uma soluo. Esses processos so
iterativos e esto disponveis em alguns
softwares estatsticos. No presente estudo foi
utilizado o procedimento Multinomial
Logistic Regression disponvel no software
SPSS verso 10.0 e que se encontra-se des-
crito em Norusis e SPSS Inc. (1999). O
procedimento CATMOD do sistema SAS
tambm pode ser utilizado.
3.1 Testes de
Significncia
O primeiro teste de significncia im-
portante na regresso logstica o teste da
razo de verossimilhana, onde a hiptese
de que pelo menos um dos parmetros
ij diferente de zero (exceto os
interceptos parmetros i 0 ) testada.
Esse teste faz uma comparao entre o va-
lor da funo de verossimilhana para o
modelo contendo apenas os interceptos e
a verossimilhana do modelo final com to-
dos os parmetros estimados. A estatstica
de teste D, chamada de deviance, tem uma
distribuio qui-quadrado e calculada da
seguinte forma:
( 0 )
D 2 ln 2 ln ( 0 ) 2 ln (x, )
( x, )
~ 2
(k 1) p
onde,
( 0 ) o valor da funo de verossi-
milhana apenas com os interceptos
(x , ) o valor da funo de veros-
similhana para o modelo final
k o nmero de categorias da vari-
vel-resposta Y
p o nmero de variveis indepen-
dentes (x) includas no modelo
Para a realizao de testes de
significncia individuais para os parmetros
ij , bastante comum a utilizao da bem-
ACTA SCIENTIAE v.5 n.1 jan./jun. 2003
conhecida estatstica de Wald, onde a hi-
ptese nula a de que o particular coefici-
ente igual a zero. A estatstica W de
ij
Wald definida como o quadrado da razo
entre a estimativa de mxima verossimi-
lhana para o coeficiente e seu respectivo
erro-padro (EP). Essa estatstica tem uma
distribuio assintoticamente qui-quadra-
do com um nico grau de liberdade:
2
ij
W ~ 12
EP
ij
As sadas dos programas estatsticos
SPSS e SAS apresentam os testes da razo
de verossimilhana e de Wald.
3.2 Interpretao de
parmetros
A interpretao dos parmetros estima-
dos no modelo de regresso logstica torna-
se similar ao caso da regresso mltipla tra-
dicional. No caso de uma varivel resposta
com k nveis, o k-simo nvel ser assumi-
do como base e, portanto, pode-se estabe-
lecer k-1 funes logit, contrastando cada
nvel contra o nvel base, conforme segue:
P yi | x `
g i ( x ) ln i0 i x
P y k | x
1 i k 1
Aplicando a funo exponencial nos
dos lados da igualdade:
P yi | x i0 i x
egi ( x ) e
P yk | x
1 i k 1
Assim, um incremento de uma uni-
dade na varivel xj causar um aumento
de e ij unidades na razo entre as proba-
81
bilidades da observao x pertencer a clas- mesma regio da Itlia, mas derivados de
se yi em relao classe yk. Portanto, quan- trs diferentes cultivares (y1, y2 y3) Um total
do xj aumenta em uma unidade, a classe yi de 13 caractersticas de cada amostra de vi-
nho foi analisado. Os tamanhos amostrais
torna-se ij vezes mais provvel que yk.
e para os trs diferentes tipos de cultivares so
59, 71 e 48, considerados suficientes para
estimativas confiveis.
4 Aplicaes Por razes didticas, apenas trs vari-
veis, dentre as 13 disponveis, sero con-
Nos itens subsequentes so apresenta- sideradas no presente exemplo (x1: teor
dos dois exemplos de aplicao da regresso alcolico, x2: total de fenis e x3: intensi-
logstica politmica, enfatizando a utilizao dade da cor). A sada do software SPSS 10.0
prtica e a interpretao dos modelos esti- apresentada na Figura 2.
mados. Os bancos de dados utilizados foram O teste da razo de verossimilhana
encontrados a partir do trabalho de resultou altamente significativo
Aeberhard et al. (1994) que fez um compa- (Deviance=67,257) indicando que o mo-
rativo entre uma grande quantidade de m- delo estimado pode ser til na discrimi-
todos de reconhecimento de padres utili- nao dos trs tipos de cultivares. Os va-
zando dados reais e simulados. lores Pseudo R-Square so uma espcie de
4.1 Reconhecimento de Vi- coeficiente de determinao (R2), mas
nhos (Aplicao no 1) com uma interpretao mais complexa,
O banco de dados Wine Recognition entretanto segue a regra bsica: quanto
Data encontra-se disponvel na home page do maior, melhor o ajuste do modelo. Den-
Departamento de Informao e Cincias da tre as trs medidas apresentadas d-se
Computao da Universidade da Califrnia preferncia a de Nagelkerke, visto ser uma
Irvine e deve-se a Forina et al. (1988). Tra- medida no intervalo [0;1]. Nesse caso a
ta-se do resultado de uma anlise qumica medida resultou 0,941, muito prxima do
realizada com vinhos provenientes de uma valor mximo.
Model Fitting Information

-2 Log
Model Likelihood Chi-Square df Sig.
Intercept Only 386,630
Final 67,257 319,372 6 ,000

Pseudo R-Square

Cox and Snell ,834

Nagelkerke ,941
McFadden ,826

Parameter Estimates

95% Confidence Interval for

Exp(B)
CLASS B Std. Error Wald df Sig. Exp(B) Lower Bound Upper Bound
1 Intercept -29,539 15,974 3,419 1 ,064
ALCOHOL 1,558 1,255 1,541 1 ,214 4,749 ,406 55,566
PHENOLS 7,757 1,909 16,515 1 ,000 2338,084 55,477 98538,407
COLOR -1,413 ,508 7,729 1 ,005 ,243 8,987E-02 ,659
2 Intercept 33,421 14,621 5,225 1 ,022
ALCOHOL -2,471 1,196 4,270 1 ,039 8,454E-02 8,116E-03 ,880
PHENOLS 6,208 1,829 11,524 1 ,001 496,881 13,790 17903,238
COLOR -2,919 ,668 19,093 1 ,000 5,397E-02 1,457E-02 ,200

Classification

Predicted
Percent
Observed 1 2 3 Correct
1 54 5 0 91,5%
2 3 65 3 91,5%
3 1 2 45 93,8%
Overall Percentage 32,6% 40,4% 27,0% 92,1%

Figura 2 Sada da regresso logstica politmica no software SPSS 10.0 para o exemplo do Reconhecimento de Vinhos

82 ACTA SCIENTIAE v.5 n.1 jan./jun. 2003

 As estimativas para os parmetros do
modelo tambm so apresentadas na Figu-
ra 2. O nmero de parmetros a ser esti-
mado de (k-1)(p+1) parmetros. No
exemplo h trs classes e trs variveis
(k=p=3), o que leva a um total de oito
parmetros. As duas funes logit estima-
das foram as seguintes:
g1 x 29,539 1,558 x1 7,757 x2 1,413x3
(Cultivar Tipo 1)
g 2 x 33,421 2, 471x1 6, 208 x2 2,919 x3
(Cultivar Tipo 2).
O Cultivar Tipo 3 foi considerado
como base e, portanto, g x 0 . De acor-
3
do com o teste de Wald apenas dois
parmetros estimados no resultaram sig-
nificativos ao nvel de 5% (Sig.>0,05), en-
tretanto verifica-se que todas as variveis
tm coeficientes significativos em pelo
menos uma das equaes, o que constitui
uma situao altamente desejvel. Geral-
mente no h interesse nos testes de hip-
teses das constantes (bi0). A aplicao do
modelo simples, sendo necessrio inse-
rir os valores de x nas funes logit para
obteno das probabilidades de pertencer
as classes:
expg1( x )
P( Y y1 | x )
1 expg1( x ) expg 2 ( x )
expg 2 ( x )
P( Y y 2 | x )
1 expg1( x ) expg 2 ( x )
P( Y y3 | x ) 1 P( Y y1 | x ) P( Y y 2 | x )
De acordo com o modelo estimado,
um vinho com graduao alcolica de
12,0o, fenis totais de 2,5 e intensidade da
cor de 6,0 x=[12,0 ; 2,5 ; 6,0] teria as
seguintes probabilidades de classificao:
ACTA SCIENTIAE v.5 n.1 jan./jun. 2003
P(Y y1 | x) 0,135
P(Y y 2 | x) 0,740
P(Y y3 | x) 0,125 .
Portanto, um vinho com tais caracte-
rsticas seria classificado como provenien-
te do Cultivar Tipo 2. A Figura 2 apresen-
ta a tabela de classificao utilizando to-
das as 178 observaes do conjunto de
dados, onde percebe-se uma habilidade
satisfatria do modelo para classificao,
com taxa de acerto de 92,1%.
Ainda explorando a Figura 2, perce-
be-se a presena da coluna Exp(B) e seu
respectivo intervalo de confiana. Numa
rpida inspeo visual percebe-se que os
intervalos de confiana so muito amplos,
ocasionados pelos grandes erros-padro
das estimativas. Por meio da interpretao
da coluna Exp(B) chega-se a interpretaes
do tipo: a cada aumento de uma unidade
na graduao alcolica, espera-se um au-
mento de 0,406 a 55,566 vezes na probabi-
lidade do vinho ser proveniente do Culti-
var Tipo 1 em relao probabilidade do
vinho pertencer ao Cultivar Tipo 3.
4.2 As ris de Fisher (Aplica-
o no 2)
O banco de dados das ris de Fisher
, sem dvida, um dos mais famosos con-
juntos de observaes na rea de classifi-
cao e discriminao e encontra-se dis-
ponvel em diversas pginas da Internet.
Esse sucesso deve-se ao importante traba-
lho publicado por Fisher (1936) no qual a
anlise discriminante foi abordada. Trata-
se de um caso onde h trs espcies de flo-
res (y1: ris Setosa, y2: ris Versicolor e y3:
ris Virgnica) e quatro variveis indepen-
dentes (x1: comprimento da spala, x2: lar-
gura da spala, x3: comprimento da pta-
la, x4: largura da ptala). O banco de da-
dos composto de 150 observaes, sen-
do 50 para cada tipo de flor. A sada do
software SPSS 10.0 para esse problema
apresentada na Figura 3.
83
 O teste da razo de verossimilhana ris Setosa, o que comprometeu a parte
resultou altamente significativo inferencial do modelo (testes de
(Deviance=11,899) indicando que pelo me- significncia) provocando erros padro vi-
nos uma das quatro caractersticas pode ser sivelmente inflados. Tambm verificou-se
utilizada para discriminao dos trs tipos alta correlao entre as variveis indepen-
de flores. O valor do coeficiente de deter- dentes o que provoca aumento nos erros
minao de Nagelkerke foi praticamente padres e prejudica o procedimento de es-
mximo: 0,99. timao. Verifica-se que, apesar da ocorrn-
As estimativas para os dez parmetros cia de tais problemas, as estimativas encon-
do modelo tambm so apresentadas na Fi- tradas continuam sendo teis, como prova
gura 3. Ocorreram problemas numricos a taxa de classificao correta de 98,7% apre-
devido a uma separao completa da classe sentada na tabela de classificao.
Mode l Fitting In formation

-2 Log
Model L ikelihood Chi-Squa re df Sig.
Intercept Only 329,584
Final 11,899 317 ,685 8 ,000

Pse udo R -Squa re

C ox a nd Snell ,88 0
N agelkerke ,99 0
M cF adden ,96 4

Para mete r Estim at es

95% Co nfidence Interval for

Exp(B)
Class B Std. Error Wald df Sig. Exp( B) Low er Bound Upper Bound
Iris Setosa Inte rcept 30,291 2272547 ,0 00 1 1,000
SEP_LEN 14,670 667745,9 ,0 00 1 1,000 235 05 69 ,000 ,a
SEP_WID 14,474 313392,1 ,0 00 1 1,000 193 15 22 ,000 ,a
PET_LEN -31,522 310957,5 ,0 00 1 1,000 2,043E-14 ,000 ,a
PET_ WID -43,107 ,000 , 1 , 1,900E-19 1 ,9 00 E- 19 1,900 E-19
Iris Versico lour Inte rcept 42,638 25,708 2,751 1 ,0 97
SEP_LEN 2,465 2,394 1,060 1 ,3 03 11 ,7 66 ,108 1284,293
SEP_WID 6,681 4,480 2,224 1 ,1 36 797,026 ,123 518 18 47,602
PET_LEN -9 ,4 29 4,737 3,962 1 ,0 47 8,033E-05 7 ,4 57 E- 09 ,865
PET_ WID -18,286 9,743 3,523 1 ,0 61 1,144E-08 5 ,8 28 E- 17 2,246
a. Flo at ing po int overflo w occurred while computing this stat istic. Its value is therefore set to syste m missing.

Classificatio n

Pre dicted
I ris Percent
O bserved Iris Setosa Versico lour Iris Virginica C orrect
Iris Seto sa 50 0 0 100 ,0 %
Iris Versicolo ur 0 49 1 98 ,0 %
Iris Virginica 0 1 49 98 ,0 %
O verall Perce ntage 33 ,3 % 33 ,3 % 33 ,3 % 98 ,7 %

Figura 3 Sada da regresso logstica politmica no software SPSS 10.0 para o exemplo Fisher Iris Data

As duas funes logit estimadas foram nesse caso, uma flor com tais caracte-
as seguintes: rsticas seria classificada como ris
g1 x 30,291 14,670x1 14,474x2 31,522 x3 43,107 x4
Versicolor porque a maior probabilidade
(Setosa) est associada classe y2.
g 2 x 42,638 2,465 x1 6,681x2 9,429 x3 18,286 x4
(Versicolor).
Considerando uma observao x=[4 5 Consideraes finais
; 3,5 ; 4 ; 2], obtm-se as seguintes proba-
bilidades: A regresso logstica politmica con-
siste de uma poderosa ferramenta para
P( Y y1 | x ) 0 anlise de variveis qualitativas nominais,
apresentando algumas caractersticas bas-
P( Y y 2 | x ) 0,831 tante interessantes e desejveis em tcni-
P( Y y3 | x ) 0,169 cas de modelagem estatstica. A primeira

84 ACTA SCIENTIAE v.5 n.1 jan./jun. 2003

caracterstica refere-se ao fato da regresso
logstica no fazer suposies sobre o com-
portamento probabilstico das variveis in-
dependentes. A segunda consiste da pos-
sibilidade de estimao direta da probabi-
lidade de uma observao pertencer a de-
termina classe. Por fim, possvel testar a
significncia de um grande nmero de va-
riveis independentes e, assim, eleger as
variveis que contribuem mais para a
separabilidade entre as classes.
Como em todas tcnicas estatsticas,
tambm h problemas na regresso logstica
politmica, conforme se pode observar no
item 4.2. Um dos principais problemas se
d em casos de separabilidade completa
entre as classes, o que inviabiliza uma solu-
o nica nas equaes de verossimilhan-
a. Segundo Hosmer e Lemeshow (1989)
esse problema ocorre principalmente com
amostras pequenas acompanhadas de um
grande nmero de variveis independentes,
sendo muito improvvel haver separao
completa em modelos estimados a partir de
amostras substanciais. Uma forma simples
de identificar o problema verificar se h
presena de erros padro exageradamente
grandes nas estimativas. Outro problema
que ocorre freqentemente chamado de
colinearidade e se refere presena de cor-
relao entre as variveis independentes. A
colinearidade facilmente identificada
numa matriz de correlao. Uma soluo
eficiente para o problema escolher ape-
nas uma varivel quando houver um par
de variveis altamente correlacionadas. A
presena de colinearidade tambm ocasio-
na erros-padro grandes.
No item 4.2 os dois problemas men-
cionados foram identificados e, realmen-
te, os erros padro das estimativas, especi-
almente para a classe ris Setosa, foram
muito exagerados. Percebe-se que, mesmo
com a ocorrncia dos problemas, o mode-
lo apresentou boa habilidade preditiva. No
h como resolver o problema da
separabilidade completa entre as classes,
mas o problema da colinearidade seria fa-
ACTA SCIENTIAE v.5 n.1 jan./jun. 2003
cilmente resolvido com a excluso de uma
ou duas variveis. No item 4.1 tem-se um
exemplo bem-comportado onde no
ocorreram problemas e, portanto, toda
parte inferencial pode ser aproveitada.
Como ltima considerao, sugere-se
que a regresso logstica seja utilizada sem-
pre que houver necessidade de entender
algum fenmeno onde a varivel indepen-
dente do nvel nominal. No caso de ocor-
rncia de problemas o pesquisador pode
optar por tcnicas mais simples, caso no
haja como resolv-los, porque a parte
inferencial ser necessariamente sacrificada.
Se o interesse for nico e exclusivamente
de discriminao entre classes, a amostra
pode ser dividida em duas partes: uma para
estimao e outra para validao. Mesmo
havendo problemas numricos o modelo
pode ser respaldado pelos resultados da
amostra de validao.
Referncias
bibliogrficas
AEBERHARD, S; COOMANS, D. e DE VEL, O.
(1994) Comparative Analysis of Statistical
Pattern Recognition Methods in High
Dimensional Settings. Pattern Recognition.
Vol. 27, No. 8, p. 1065-77.
ALLISON, P. D. (1999) Logistic Regression using
the SAS System: Theory and Application. Cary,
NC: SAS Institute Inc.
ANDERSON, J. A. (1982) Logistic Discrimination.
In Handbook of Statistics (Vol. 2) P. R. Krishnaiah
and L. Kanal (Eds.) Amsterdam: North-
Holland, p. 169-191.
BITTENCOURT, H. R. e CLARKE, R.T. (2002) Use
of Logistic Discrimination to Classify
Remotely-Sensed -Digital Images. In.: 12TH
PORTUGUESE CONFERENCE ON PATTERN
RECOGNITION. Proceedings... Aveiro, Portu-
gal: Associao Portuguesa de Reconhecimen-
to de Padres. BULL, S. and DONNER, A.
(1987) The efficiency of multinomial logistic
regression compared with multiple group
85
 discriminant analysis. Journal of the American
Satistical Association. vol. 82, p. 1118-1122.
COX, D.R. and SNELL, E. J. (1989). The Analysis
of Binary Data. Second Edition. London:
Chapman and Hall.
DAY, N. and KERRIDGE, D. (1967) A general
maximum likelihood discriminant. Biometrics,
vol. 23, p. 313-324.
FISHER, R. A. (1936) The use of multiple
measures in taxonomic problems. Annals
Eugenica, vol. 7(II), p. 179-188.
FORINA, M. LEARD, R. ARMANINO C. LAUTER,
S. (1988) Parvus an extendible package for
data exploration, classification and correlation.
Institute of Pharmaceutical and Food
Analysis and Technologies, Genoa Italy.
HOSMER, D. and LEMESHOW, S.. (1989)
86
Applied Logistic Regression. New York: John
Wiley & Sons.
KRZANOWSKY, W. J. (1988) Principles of
Multivariate Analysis. Oxford: Clarendon Press.
McLACHLAN, G. (1992) Discriminant Analysis
and Statistical Pattern Recognition. New York:
John Wiley & Sons.
NORUSIS, M. J. and SPSS Inc. (1999) SPSS
Regression Models 10.0. Chicago, IL: SPSS Inc.
TRUETT, J. CORNFIELD, J. and KANNEL, W.
(1967) A multivariate analysis of the risk
of coronary heart disease in Framinghan.
Journal of Chronic Diseases. v. 20, p. 511-524.
WALKER, S. H. and DUNCAN, D. B. (1967)
Estimation of the probability of an event
as a function of several independent
variables. Biometrika vol. 54, p. 167-169.
ACTA SCIENTIAE v.5 n.1 jan./jun. 2003