Última alteração: 2021-02-25
Resumo
A Estatística pode ser aplicada em diversas áreas, como exemplo: medicina, indústria e finanças. Nas mais diversas áreas, os métodos de regressão são um dos mais aplicados, pois, a partir destes, é possível explicar a relação e a dependência entre as variáveis. Além disso, esses modelos apresentam casos particulares como: linear simples e múltiplo, logístico, entre outros.
O objetivo do trabalho foi estudar os modelos de regressão, em especial o logístico dicotômico, com aplicação na área financeira, sendo este amplamente utilizado por bancos e instituições financeiras. Também, estes modelos apresentam algumas vantagens como exemplo, resultados são chances de classificação de resposta, facilidade para classificar indivíduos e para tratar com variáveis independentes categóricas. Para tanto, estudamos estes modelos, estimamos seus parâmetros via máxima verossimilhança, e selecionamos o melhor modelo que descreva as relações.
Para tratar sobre o modelo de regressão logística, estudamos, primeiramente, os modelos lineares simples e múltiplo. Em seguida, estudamos o modelo logístico. Para estimar os parâmetros dos modelos, assumimos que a variável resposta tem distribuição Bernoulli e supomos uma amostra com n observações independentes, sendo possível construir a função de probabilidade. A partir de então, por meio do variáveis de máxima verossimilhança, estimamos os parâmetros.
A metodologia estudada foi aplicada em exemplos e os resultados obtidos via software R. Em particular, um dos exemplos, a variável resposta representa a adimplência ou inadimplência de clientes de determinada empresa, tendo como possíveis fatores (variáveis explicativas) renda mensal, número de dependentes e vínculo empregatício.
Palavras-chave
Referências
Figueira, C. V. Modelos de regressão logística. Programa de Pós-Graduação em Matemática, UFRGS}. Porto alegre, RS, 20016.
Paula, G. A. Modelos de regressão: com apoio computacional}. IME/USP, São Paulo, 2004.