[Prévia] [Próxima] [Prévia por assunto] [Próxima por assunto]
[Índice cronológico] [Índice de assunto]

Re: [ABE-L]: DÃvida interaÃÃo de variÃveis



Prezados colegas,

Muito obrigado por todas as consideraÃÃes de vocÃs.

Quanto a questÃo levantada pelo Gilenio, tenho que ressaltar que em Ãltimo modelo que construà considerei apenas 2 efeitos no modelo: a interaÃÃo e uma das variÃveis isoladas. Quando sà considerada a interaÃÃo no modelo perco um pouco de explicaÃÃo na retirada das isoladas (o que pra mim à normal!), mas quando inclui apenas uma das variÃveis a explicaÃÃo aumentou bem. Jà a outra sozinha tinha significÃncia, mas nÃo fazia diferenÃa deixÃ-la no modelo e por um critÃrio de nÃmero de variÃveis acabei retirando uma ou outra.

A questÃo à que, principalmente em anÃlise de crÃdito, os analistas preferem nÃo deixar as variÃveis isoladas, pois estÃo correlacionadas (e quais outras nÃo estÃo? Essa à a Ãnica justificativa!). Jà na Ãrea da saÃde me deparava muito com iteraÃÃes e que deveria ser respeitada a "regra" de manter todas as variÃveis no modelo (sexo e idade), por exemplo. O que à perceptÃvel à a variaÃÃo na aplicaÃÃo de tal metodologia.

Bem, de qualquer forma o material enviado jà me ajuda bastante. AgradeÃo novamente a todos pelos comentÃrios.

Bom final de semana a todos!

Rodrigo Pereira

Em 11/07/2013, Ãs 10:26, Denise Britz do Nascimento Silva <denisebritz@gmail.com> escreveu:

Gilenio

realmente vocà està correto 

 Ãs vÃzes o efeito de interaÃÃo à importante pois reflete um efeito diferencial na resposta advindo da  relaÃÃo entre duas variÃveis mesmo que a inclusÃo da interaÃÃo "anule" a significÃncia dos efeitos principais. 

Assim... meu comentÃrio da resposta anterior realmente nÃo dava conta de todas as nuances da questÃo.  Obrigada pelo comentÃrio e exemplo.

 Adiciono apenas um comentÃrio. SignificÃncia nÃo reflete sempre importÃncia e cabe ao analista decidir qual opÃÃo melhor representa o fenÃmeno em estudo. O efeito da interaÃÃo pode ser significativo mas desprezÃvel no que se refere à variaÃÃo da resposta (predita)

Por exemplo, no caso da anÃlise da probabilidade de desemprego, Ã comum encontrar interaÃÃo entre os efeitos de sexo e idade pois a relaÃÃo entre desocupaÃÃo e idade varia por sexo. Entretanto, neste caso , o efeito da interaÃÃo na  variaÃÃo da probabilidade estimada, se muito pequena,  pode ser considerada nÃo importante pelo analista , especialmente se no modelo com interaÃÃo os efeitos principais deixam de ser significativos.

No caso de modelagem estatÃstica para analisar fenÃmenos socioeconÃmicos, com bancos dados contento milhares de informaÃÃes, Ã comum vÃrios efeitos se apresentarem como estatisticamente significantes mas com muito pouco impacto na variaÃÃo da resposta. Se o modelo tem funÃÃo analÃtica e nÃo preditiva, talvez a menor complexidade sejam um bÃnus.

Um grÃfico das probabilidades previstas obtidas com os dois modelos pode ajudar na decisÃo final ( alÃm... claro.... dos testes estatÃsticos associados à seleÃÃo e adequaÃÃo dos modelos).

o melhor de tudo à variedade de aplicaÃÃes que um mesmo modelo estatÃstico pode ter :-)

AbraÃos
Denise







Em 11 de julho de 2013 14:42, Gilenio Borges Fernandes <gilenio@ufba.br> escreveu:

Prezados Rodrigo e Denise

No meu entender, pode nÃo ser freqÃente, mas, os efeitos principais (ou mÃdios) podem ser desprezÃveis e a interaÃÃo ser altamente significativa. A recomendaÃÃo à manter no modelo os efeitos principais e a interaÃÃo. Execute os cÃdigos abaixo no R ou veja a figura ilustrativa do arquivo atachado e tire sua conclusÃes.

 

A   = paste('A', gl(2, 2), sep=' ')

B   = paste('B', gl(2, 1, 4), sep=' ')

y   = c(20, 40, 50, 12)

fat22  = data.frame(A, B, y1, y2)

attach(fat22)

interaction.plot(A, B, y, col = 'blue', ylab = 'Resposta media', xlab = 'Niveis de A', main='Plano fatorial 2 x 2 sem interacao')

interaction.plot(B, A, y, col = 'blue', ylab = 'Resposta media', xlab = 'Niveis de A', main='Plano fatorial 2 x 2 com interacao')

 

 

 

Cordialmente,

Gilenio Fernandes



Em 11 de julho de 2013 01:41, Rodrigo Pereira <doforodrigo@gmail.com> escreveu:
OlÃ, Denise.

Obrigado pelo retorno. Uma justificativa que conheÃo à que devemos respeitar a estrutura hierÃrquica embutida em tal metodologia, ou seja, se a interaÃÃo à significativa para o modelo, as variÃveis em separado tambÃm devem estar contidas. Entretanto, existe uma questÃo de correlaÃÃo entre essas variÃveis e que influencia na estimaÃÃo dos betas.

Vocà conhece alguma outra justificativa que suporte isso?

Obrigado novamente.

Rodrigo Pereira

Em 10/07/2013, Ãs 17:34, Denise Britz do Nascimento Silva <denisebritz@gmail.com> escreveu:

Rodrigo

para uma interaÃÃo estar presente no modelo, os efeitos principais das vÃrias precisam estar no modelo tambÃm.
Se ao colocar a interaÃÃo, algums dos efeitos principais deixar de ser significativo, Ã melhor retirar a interaÃÃo pois ela pode estar adicionando complexidade desnecessÃria ao modelo .

AbÃs
Denise 


Em 5 de julho de 2013 21:22, Rodrigo Pereira <doforodrigo@gmail.com> escreveu:

Olà colegas!

Estou com uma dÃvida tÃcnica (na verdade um esquecimento) sobre um detalhe em construÃÃo de modelos. Estou construindo um modelo de regressÃo logÃstica onde a interaÃÃo de duas variÃveis tem um IV maior do que as variÃveis separadas.

Gostaria de saber se obrigatoriamente as variÃveis que compÃem a interaÃÃo devem estar presentes de forma isolada tambÃm e o porque disso. Recordo-me que no livro do Agresti hà alguma justificativa, mas nÃo encontro.

Desde jà agradeÃo a atenÃÃo e ajuda!

Atenciosamente,

Rodrigo Pereira




--
Gilenio Borges Fernandes
Professor Associado III
Universidade Federal da Bahia
Instituto de MatemÃtica
Departamento de EstatÃstica
Av. Adhemar de Barros, s/n â Ondina.
40.170-110 - Salvador - BA, Brasil
Tel.: (071)3283-6280/6336  Fax:  (071)3283-6276
URL: http://lattes.cnpq.br/6764860618464860