Em estatística, a regressão de Poisson é uma forma de modelo linear generalizado de análise de regressão usada para modelar dados de contagem e tabelas de contingência. Isto é, a regressão de Poisson é usada para prever uma variável dependente que consiste em dados de contagem por meio de uma ou mais variáveis independentes (as variáveis preditoras ou explicativas) que pode ser medido em uma escala contínua, ordinal ou nominal/dicotômica. Variáveis ordinais e nominais/dicotômicas podem ser amplamente classificadas como variáveis categóricas.
Cabe ressaltar que dados de contagem ou, variáveis de contagem, para serem utilizados na regressão de Poisson, devem ser zero ou maiores.
Em termos simples, pense em um “inteiro” como um número “inteiro” (por exemplo, 0, 1, 5, 8, 354, etc.). Além disso, como os dados de contagem devem ser “positivos” (ou seja, consistir em valores inteiros “não negativos” – por exemplo, valores como -1, -5, -8, -354, -888 e -23400 não seriam considerados dados de contagem).
Por outro lado, variáveis contínuas incluem tempo de espera (medido em horas ou minutos), inteligência (medido usando pontuação de QI), desempenho no exame (medido de 0 a 100) e peso (medido em kg).
Exemplos de variáveis ordinais incluem formas de classificação de categorias (por exemplo, uma escala de 3 pontos explicando o quanto um cliente gostou de um produto , variando de “Não muito” a “Sim, muito”).
Exemplos de variáveis nominais incluem sexo (por exemplo, dois grupos – masculino e feminino – também conhecido como variável dicotômica), etnia (por exemplo, quatro grupos: latino americano, caucasianos, afro-americanos e hispânicos) e profissão (por exemplo, seis grupos: psicólogo, engenheiro, dentista, terapeuta ocupacional, biólogo e enfermeiro).
Ao realizar uma regressão de Poisson, você será capaz de determinar quais de suas variáveis independentes (se houver) têm um efeito estatisticamente significativo em sua variável dependente. Se você tiver variáveis independentes categóricas, você será capaz de determinar o aumento ou diminuição percentual nas contagens de um grupo (por exemplo, mortes por câncer entre fumantes de cigarro tradicional) versus mortes por câncer entre fumantes de cigarros eletrônicos.
Por outro lado, se você possui variáveis independentes contínuas, você será capaz de interpretar como um aumento ou diminuição de uma única unidade nessa variável está associado a um aumento ou diminuição percentual nas contagens de sua variável dependente (por exemplo, uma diminuição de R$ 1.000,00 no salário – a variável independente – em a variação percentual no número de vezes que as pessoas deixam de pagar a conta do cartão de crédito – a variável dependente).
Um exemplo de uso da regressão de Poisson: Examinar o número de pessoas à sua frente na fila para o atendimento em um pronto socorro com base em preditores tais como: o modo de chegada ao pronto socorro (ambulância ou por conta própria), a gravidade avaliada da lesão durante a triagem (leve, moderada, grave), hora do dia e dia da semana.
Aqui, o “número de pessoas à sua frente na fila” é a variável dependente, enquanto “modo de chegada” é uma variável independente nominal, “gravidade da lesão avaliada” é uma variável independente ordinal e “hora do dia” e ” dia da semana” são variáveis independentes contínuas.
Gostou desse conteúdo? Precisa aprender Análise de dados? Faça parte da Psicometria Online Academy: a maior formação de pesquisadores quantitativos da América Latina. Conheça toda nossa estrutura aqui e nunca mais passe trabalho sozinho(a).
Como citar este post
França, A. (2022, 15 de dezembro). Para que serve a regressão de Poisson? Blog Psicometria Online. https://www.blog.psicometriaonline.com.br/para-que-serve-a-regressao-de-poisson/
