Regressão ordinal

A regressão ordinal, também conhecida como "ordered logit" ou "ordered probit", é um tipo de análise de regressão usada em estatística para prever um conjunto de valores numéricos em uma sequência não linear. É comumente usada em análises preditivas que ajudam a determinar a probabilidade de ocorrência de um evento em um intervalo de valores. A regressão ordinal é usada para prever a classificação ou a ordenação de duas ou mais categorias em conjuntos de dados binários ou não binários. Ela permite que o modelo considere não apenas os pontos de dados (observações), mas também a ordem das observações, permitindo assim previsões mais precisas.

A regressão ordinal é útil para campos como a biologia, em que a ordenação das classificações pode fornecer mais informações ao estudo do que apenas os valores discretos. Por exemplo, ao medir o temperamento dos pacientes, a regressão ordinal é capaz de distinguir entre "calmo" versus "irritado" versus "zangado" versus "violento" em vez de apenas atribuir cada paciente a uma única escala categórica. Dessa forma, ela pode capturar mais níveis de detalhes.

Na maioria dos casos, a regressão ordinal emprega as mesmas técnicas da regressão linear, com a principal diferença de que o resultado é ordenado. Modelos de regressão múltipla e modelos de regressão logística podem ser usados em conjunto com a regressão ordinal. Para tornar os modelos preditivos mais precisos, a regressão ordinal usa "variáveis fictícias" para representar cada uma das categorias (ou nível ordinal) e sua ponderação associada. Os pesos são usados para avaliar as probabilidades (de ocorrência ou transição) de cada uma das categorias.

A regressão ordinal é usada em uma ampla gama de campos para identificar, medir e prever com precisão as relações entre conjuntos de dados nominais, ordinais e categóricos. Ela pode ser usada em pesquisas de mercado para avaliar as preferências dos consumidores, na justiça criminal para prever a reincidência e no setor de saúde para classificar doenças ou a saúde do paciente.