Regressão logística usando o spss

Autor: Pedro Henrique Figueiredo


No exemplo será realizada a análise da influência da fraqueza muscular inspiratória no comprometimento da capacidade funcional de uma amostra de pessoas com doença cardiovascular, por meio da regressão logística.

PASSO 1: DEFINIÇÃO E CODIFICAÇÃO DAS VARIÁVEIS

Variável dependente: Comprometimento da Capacidade Funcional (“Baixa_CF”)
Importante: observar se as variáveis dicotômicas estão coerentes com os rótulos de valores. Ex. Baixa capacidade funcional (0 = não / 1 = sim). 

Mudar (0 = não / 1 = sim)
PASSO 2: DETERMINAR A FREQUÊNCIA DO EVENTO DE INTERESSE (comprometimento da capacidade funcional)

- Analisar →Estatística descritiva →Frequências

- Selecionar a variável dependente → ok

PASSO 3: DETERMINAR A ASSOCIAÇÃO ENTRE A VARIÁVEL DEPENDENTE E AS INDEPENDENTES – TESTE QUI-QUADRADO

- Analisar →Estatísticas descritivas → Tabelas de referência cruzada → Estatísticas → Qui-quadrado

- Selecionar as variáveis das linhas e colunas. 

Exemplo: Linhas – Fraqueza inspiratória (variável secundária) 

    Colunas – Comprometimento da Capacidade Funcional (variável primária) 

- Em “Estatísticas” selecionar o quadro “Qui-quadrado” → Continuar → ok

- Repetir este procedimento para todas as variáveis independentes ou preditoras (categóricas).

- Se p < 0,20 → realizar a análise de regressão logística simples ou univariada.

PASSO 4: REGRESSÃO LOGÍSTICA SIMPLES OU UNIVARIADA

- Analisar → Regressão → Logística Binária
Logística multinominal (quando há mais de 2 categorias. Estratificação sarcopenia. Gold. Estratificação sócio-econômica).  

- Selecionar a variável dependente e a preditora (independente).

- Em “categórico” identificar as variáveis categóricas

Importante – categoria de referência adotar o valor “0” inserido na tabela (Valores).  

Mudar (0 = não / 1 = sim). Neste caso, clicar em “primeiro”

- Selecionar o indicador da variável preditora que será avaliado na análise.

No Exemplo, o indicador a ser avaliado da variável “fraqueza muscular inspiratória” é o indicador “0” (“sim”), conforme definido e codificado no PASSO 1. Assim, o primeiro indicador (“0”) deve ser selecionado.

No quadro “Alterar contraste” → selecionar “primeiro” → Alterar → Continuar

- Em “Opções” selecionar os itens do quadro “estatísticas e gráficos” → Continuar → ok

- No quadro “Variáveis da equação” observar o Fator de Chances (odds ratio) representado por “Exp(B)” e a significância estatística.

- Se p < 0,10 → incluir a variável preditora na análise de regressão logística múltipla ou multivariada.

- Repetir este procedimento com todas as variáveis independentes.

PASSO 5: REGRESSÃO LOGÍSTICA MÚLTIPLA OU MULTIVARIADA

- Analisar → Regressão → Logística Binária

- Selecionar a variável dependente e as preditoras (independentes).

- Em “categórico” identificar as variáveis categóricas, conforme descrito no “PASSO 4”.

- Em “Opções” selecionar os itens do quadro “estatísticas e gráficos” → Continuar → ok, conforme descrito no “PASSO 4”.

- Determinar o critério de seleção das variáveis independentes no modelo.

“método” → selecionar “Forward: condicional” → ok
Sexo – como é variável categórica, a escolha deve ser pautada na maior frequência (ex. amostra com 60% de homens 1 e 40% de mulheres 40% 2. Clicar em primeiro para esta variável)  

No quadro “Variáveis da equação” observar o Fator de Chances (odds ratio) representado por “Exp(B)” e a significância estatística.

B = inclinação da reta (- indica efeito protetor / + indica efeito preditor) 

Exp(B) = fator “razão” de chance entre as probablilidade.  

Interpretação: considerando que Exp(B) = 0.893 (sendo B negativo). Necessário subtrair 1 – 0.893 = aproximadamente 12% . A chance da idade comprometer a capacidade funcional é de 12%. Toda vez que B for negativo a razão de chances será menor que 1. Isto representa redução da chance em 12%. 

A chance da fraqueza inspiratória influenciar a capacidade funcional é de 4,53 vezes (isto representa aumento da chance de 350%). B positivo / Exp(B) efeito preditor.

- Os preditores independentes são aqueles com p < 0,05.

PASSO 6: AVALIAR A QUALIDADE DO MODELO - teste de Hosmer e Lemeshow E/OU PSEUDO R²

●Teste de Hosmer e Lemeshow

- No quadro “Teste de Hosmer e Lemeshow” avaliar a significância estatística do teste. O valor de p deve ser ≥ 0,05. 

● Pseudo R²

- No quadro “Resumo do modelo” verificar o valor do “R quadrado de Nagelkerke”. Quanto mais próximo de 1, maior a qualidade do modelo.