Inferência Bayesiana sobre Modelos de Regressão Linear

Este recurso requer Tabelas Customizadas e Estatísticas Avançadas.

A regressão é um método estatístico amplamente utilizado na modelagem quantitativa. A regressão linear é uma abordagem básica e padrão, na qual os pesquisadores usam os valores de diversas variáveis para explicar ou prever valores de um resultado de escala. A regressão linear univariada bayesiana é uma abordagem de Regressão Linear onde a análise estatística é realizada dentro do contexto de inferência bayesiana.

É possível chamar o procedimento de regressão e definir um modelo completo.

1. No menu, escolha:

   Analisar > Estatísticas Bayesianas > Regressão Linear

   Observação: Os campos destacados em vermelho são obrigatórios. Os botões Colar e OK são ativados após você inserir valores válidos em todos os campos obrigatórios.
2. Selecione uma variável dependente única, sem sequência da lista Variáveis disponíveis. Deve-se selecionar uma variável sem sequência.
3. Selecione uma ou mais variáveis fator categóricas para o modelo da lista Variáveis disponíveis.
4. Selecione uma ou mais variáveis de escala covariável, sem sequência da lista Variáveis disponíveis.
   Nota: Ambas as listas Factor (s) e Covariate (s) não podem estar vazias. Deve-se selecionar pelo menos uma variável Fator(es) ou Covariável(is).
5. Opcionalmente, selecione uma variável única, sem sequência, para servir como a ponderação de regressão da lista Variáveis disponíveis.
6. Selecione a Análise bayesiana:
   • Caracterizar distribuição posterior: quando selecionado, a inferência bayesiana é feita de uma perspectiva que é abordada caracterizando as distribuições posteriores. É possível investigar a distribuição marginal posterior dos parâmetros de interesse ao integrar os outros parâmetros inconvenientes e ainda construir intervalos críveis para realizar uma inferência direta. Essa é a configuração padrão.
   • Estimar fator Bayes: quando selecionado, a estimativa de fatores Bayes (uma das metodologias notáveis na inferência bayesiana) constitui uma razão natural para comparar as probabilidades marginais entre um nulo e uma hipótese alternativa.

     Tabela 1. Limites comumente usados para definir a significância de evidência

     Fator de Bayes	Categoria de evidência	Fator de Bayes	Categoria de evidência	Fator de Bayes	Categoria de evidência
     >100	Evidência extrema para H0	1-3	Evidência anedótica para H0	1/30-1/10	Evidência forte para H1
     30-100	Evidência muito forte para H0	1	Sem evidência	1/100-1/30	Evidência muito forte para H1
     10-30	Evidência forte para H0	1/3-1	Evidência anedótica para H1	1/100	Evidência extrema para H1
     3 a 10	Evidência moderada para H0	1/10-1/3	Evidência moderada para H1

     H0: Hipótese nula

     H1: Hipótese alternativa

     ¹

     ²

   • Usar ambos os métodos: quando selecionado, ambos os métodos de inferência, Caracterizar distribuição posterior e Estimar fator Bayes, são usados.