Regressão Linear Múltipla no SPSS (Aula 12 - Parte 1) 

Hahahaha! Que ótimo, Celia! Obrigada pelo feedback, fico feliz que os vídeos estejam ajudando!

Que feedback gostoso de ler!! Muito obrigada!! 😍

Obrigada, Joana!! ☺️

Obrigada! ♥️

Oi, Amelia. Se você vai inserir uma interação no modelo ou não, é uma decisão teórica. Se interessar, tenho um post explicando melhor o conceito de interação no Instagram (instagram.com/estatisticaaplicada). O fazer o ajuste por essas variáveis é simplesmente inseri-las no modelo. Os coeficientes das suas variáveis independentes serão modificados, porque agora estarão controlados por essas variáveis de controle.

@@FernandaPeres Muitíssimo obrigada, professora. Você tem salvado meu doutorado S2

@@FernandaPeres eu não consegui encontrar esse site mais, tem como disponibilizar?

@@leidyerazo309 É a minha página do Instagram. Só entrar no instagram e procurar por estatisticaaplicada

Oi, Vanessa, não tem uma solução padrão para lidar com outliers. Uma das recomendações é fazer o modelo com e sem os outliers e comparar os resultados. Porque o maior problema é esses outliers estarem influenciando o modelo (puxando a reta para cima ou para baixo). Se estiverem, aí você vai ter que analisar se há uma razão teórica para a remoção do outlier. Com relação ao GLM, já te respondi no Instagram. Mas, a ANCOVA, por exemplo, pode ser vista como um modelo de regressão. E é feita pela janela do GLM no SPSS. Talvez esse vídeo solucione a sua demanda. Fico feliz que você goste dos vídeos! Obrigada pelo "arraso", rs. Abraços!

Oi! Obrigada! Tem um vídeo específico sobre inserção de variáveis categóricas, o link está no primeiro comentário.

O ideal é ter mesmo esse n mínimo. Mas calcular o n mínimo é algo complexo, porque depende do tamanho dos coeficientes. O que eu comento no vídeo é uma regra geral, rule of thumb. De qualquer forma há MUITAS críticas a esses métodos de seleção baseados em critérios matemáticos (stepwise, backwards). Há muita literatura dizendo que variáveis independentes deveriam ser escolhidas com base em razões teóricas, não matemáticas.

Não tenho. Mas sei que o Bruno, do Psicometria Online, tem.

Oi, Mário, não tenho... Mas acho que o Altay, do canal Cientística, tem vídeo sobre séries temporais.

@@FernandaPeres, obrigado.

O link para download está na descrição

@@FernandaPeres Muito grato!

Nesse caso tem que usar algum modelo que permita medidas repetidas: ANOVA mista (para dados com distribuição normal) GEE (para outras distribuições) Modelo linear misto (distribuição normal) Modelo linear generalizado misto (outras distribuições) Eu tenho vídeo no canal sobre ANOVA mista, que é a mais clássica e possivelmente te atende :)

@@FernandaPeres Olá, Fernanda, muito obrigado pela tua resposta. Desculpa perguntar de novo, as variáveis independentes que estou querendo avaliar são também numéricas (precipitação, temperatura máxima e mínima). Por isso pensei que no modelo Regressão Linear Múltipla, já que estou avaliando variável dependente numérica (concentração de testosterona) e variáveis independentes também numéricas (ex. temperatura). O modelo de ANOVA mista permite que o fator inserido seja também numérico? :)

@@ozirisof Permite, sim. É só inseri-lo no campo de covariaveis no SPSS.

Se você quer analisar mais de uma variável dependente simultaneamente, você precisa fazer uma MANOVA. Tem vídeo no canal ensinando ;)

@@FernandaPeres Muito obrigada ❤️ vai me ajudar demais 😊

Depende da sua pergunta experimental. Pode fazer sentido ainda assim, ainda mais considerando uma regressão múltipla (com várias VI). Se estiver pensando em regressão simples (1 VD e 1 VI), se a correlação entre as variáveis for baixa, você já sabe que o R quadrado do modelo também será (ele é o r da correlação ao quadrado), o que significa o modelo estará explicando pouco da variação da VD.

O pressuposto do tamanho da amostra é uma daquelas "rules of thumb" que não é um consenso. É uma recomendação, mas você deveria fazer um cálculo amostral para chegar a um tamanho mais adequado para o seu problema. Mas todas as outras estão em praticamente todo livro de estatística. Esse é bem bom: Manual de análise de dados. Luiz Paulo Fávero, Patricia Fávero.

@@FernandaPeres teria como você enviar o pdf deste livro? Se não tudo bem kkk, já estou em desespero aqui então não custa perguntar.

@@noemyxavier Oi, Noemy, não tenho como te mandar, é ilegal, rs. Mas dá uma procurada, deve ter por aí.

Olha, nunca tinha ouvido falar... Pelo jeito o SPSS não faz. Mas o R, sim: rcompanion.org/handbook/F_14.html

Para regressão logística ao longo do tempo, você vai ter que usar um modelo linear generalizado misto, ou um GEE. Não tenho aula sobre esses modelos aqui. Mas sei que o Altay tem no canal Cientística.

Essa é uma regra geral (rule-of-thumb) que pode ser encontrada em vários artigos/ livros. Um deles é o livro do Hair: HAIR, Joseph F. et al. Análise multivariada de dados. Bookman editora, 2009. Mas, trata-se apenas de um guia. Há artigos que discutem que esse cálculo deveria ser feito para cada situação, como esse aqui: BONETT, Douglas G.; WRIGHT, Thomas A. Sample size requirements for multiple regression interval estimation. Journal of Organizational Behavior, v. 32, n. 6, p. 822-830, 2011.

@@FernandaPeres Muito obrigada!!

Oi, Bruno. Não existe um consenso absoluto sobre o tamanho de amostras para regressões. Mas o n de 20 por variável independente é uma "regra de ouro" (rule of thumb) muito aceita e reproduzida. Vários sites de estatística a consideram: www.inquiriesjournal.com/blog/posts/309/how-to-use-regression-effectively/ www.statisticssolutions.com/wp-content/uploads/wp-post-to-pdf-enhanced-cache/1/assumptions-of-linear-regression.pdf www.analyticbridge.datasciencecentral.com/profiles/blogs/linear-models-don-t-have-to-fit-exactly-for-p-values-to-be Há também livros que consideram essa regra: Tabachnick, B. G. and L. S. Fidele. Using multivariate statistics. Feinstein, A. Multivariable Analysis: An Introduction. Mas o ideal mesmo seria calcular o n para o seu desenho experimental, levando em consideração o poder desejado, a quantidade de variáveis e/ou o tamanho de efeito esperado. Esses dois artigos discutem esse problema e dão sugestões de cálculos: sci-hub.tw/10.1016/j.aucc.2012.07.002 ebph.it/article/viewFile/12117/11431 Espero ter ajudado. Abraços!

É o por etapa.

No vídeo de ANOVA de uma via no SPSS eu comento como pedir o teste de Tukey (a interpretação será a mesma dos outros posts hocs que eu explico). Falo sobre ele também no vídeo de ANOVA de uma via no R.

Mana, maravilhosa, muito obrigada. Ontem eu estava chorando por não saber o que fazer, o menino que está me ajudando na estatística me ajudou muito, mas você me ajudou mais, é tá o ruim não ter com quem conversar sobre o assunto, ainda estou com uma dúvida, mas vou tentar mexer no programa com os seus vídeos!!

@@FernandaPeres Muito Obrigada, você é show demais!!

Eu inicialmente interpretei pelo meu gráfico que não há heterocedascidade, porém bem em dúvida.

Oi, Gabriel. Até onde sei, o SPSS não faz. Mas, a análise gráfica é em geral mais confiável que o teste estatístico. Se você não estiver observando um padrão nítido dos pontos - em um padrão triangular - dá para considerar que há homocedasticidade. O R faz o teste, e eu ensino isso no último vídeo que saiu. Mas, o próprio teste (lá ensino o Breush-Pagan) tem pressupostos, como a normalidade. Tem que tomar muito cuidado com isso.

@@FernandaPeres Muito obrigado!!!

Oi, Marco. Sim, super possível. Tem que colocar essas variáveis no modelo e ver se isso resulta em um modelo adequado, com variáveis significativas - e ir ajustando de acordo. Abraços!

@@FernandaPeres Sim, porem eu queria fazer em SQL, a grande dificuldade minha é montar a formula em si, o resto é super tranquilo, só estou me batendo na formula, e de todos os videos que vi, o mais próximo que cheguei e com a melhor explicação foi o seu!

Não percebi que tinha falado invertido. Mas, sim, a regressão múltipla é quando temos uma variável dependente (variável desfecho) e mais de uma variável independente (variável previsora).

@@FernandaPeres Bom dia fernanda, amo os seus vídeos, parabéns!! E quando temos 3 variáveis de saída e mais de uma variável previsora, posso tratar como regressao múltipla também?

@@samirayusef6192 Se você tem mais de uma variável dependente e quer analisá-las em conjunto, você precisa usar um método multivariado, como a MANOVA.

Erika, os primeiros vídeos da playlist de SPSS explicam justamente isso, como recodificar de string para número, porque é só assim que o SPSS vai entender.

Para a regressão linear o pressuposto da normalidade não é em relação à variável independente, mas sim ao resíduo. É por isso que no vídeo eu explico como pedir o gráfico para analisar a normalidade dos resíduos. Mas violar a normalidade na regressão linear é mais complicado, o ideal seria usar um outro modelo (como os modelos lineares generalizados - não tenho vídeos sobre eles, mas o canal Cientística tem).

@@FernandaPeres obrigado pela resposta. Mas eu me referia a normalidade da variável dependente (desfecho). Tenho visto aplicar a RLM mesmo com a variável apresentando outliers.

@@BrunoPereiradeMoura Então, é o que eu te disse: o pressuposto não é de ausência de outliers nem de normalidade da variável dependente, e sim dos resíduos.