Regressão Logística na Tese: Quando Usar e Como Interpretar o Odds Ratio (2026)

A variável dependente da tua tese é dicotómica — o participante desiste ou não desiste, o doente recupera ou não recupera, a empresa adota ou não adota a inovação — e o orientador sugeriu “regressão logística” sem explicar muito mais. É neste ponto que muitos estudantes de mestrado e doutoramento em Portugal ficam bloqueados: sabem que a regressão linear não serve para resultados binários, mas não sabem como escolher, correr e, sobretudo, interpretar corretamente o Odds Ratio que o SPSS ou o R devolvem. Este artigo resolve esse bloqueio com um percurso completo, do pressuposto teórico ao reporte em APA 7ª edição.

A regressão logística binária é hoje um dos modelos estatísticos mais citados em teses das áreas da saúde, psicologia, gestão, educação e ciências sociais precisamente porque a maioria dos fenómenos que interessam à investigação aplicada são categóricos por natureza: sucesso/insucesso, presença/ausência, adesão/abandono. Dominar este modelo — e a linguagem do Odds Ratio que o acompanha — é frequentemente o que separa um capítulo de resultados robusto de um capítulo com erros de interpretação que um arguente de júri identifica de imediato.

O que é a regressão logística e quando escolher este modelo

A regressão logística é um modelo estatístico usado para prever a probabilidade de ocorrência de um evento binário a partir de uma ou mais variáveis independentes, que podem ser contínuas ou categóricas. Ao contrário da regressão linear, que estima diretamente um valor numérico, a regressão logística modela o logit — o logaritmo natural das chances (odds) do evento — através de uma função sigmoide que garante que as probabilidades previstas ficam sempre entre 0 e 1.

Escolhe este modelo quando a tua pergunta de investigação assume uma destas formas:

• “Quais fatores predizem a probabilidade de abandono escolar?” (abandona / não abandona)
• “O género e a idade predizem a adesão a um tratamento?” (adere / não adere)
• “A satisfação no trabalho prediz a intenção de saída da organização?” (sai / não sai)

Se a variável dependente tiver mais de duas categorias sem ordem natural, precisas de regressão logística multinomial; se as categorias tiverem uma ordem (ex.: baixo/médio/alto), o modelo apropriado é a regressão logística ordinal. Este artigo foca-se no caso mais comum nas teses: a regressão logística binária.

Regressão logística vs. regressão linear: diferenças essenciais

A confusão entre estes dois modelos é um dos erros metodológicos mais frequentes identificados por orientadores em capítulos de análise de dados. A tabela seguinte resume as diferenças que devem orientar a tua escolha:

Se tentares aplicar regressão linear a uma variável dependente binária (o chamado “linear probability model” ad hoc), o modelo pode gerar probabilidades previstas abaixo de 0 ou acima de 1, o que não faz sentido substantivo e é sinalizado como falha metodológica grave por avaliadores de tese.

Pressupostos e requisitos dos dados

A regressão logística é mais flexível do que a regressão linear em relação à normalidade e homocedasticidade, mas continua a exigir verificação cuidadosa dos seguintes pontos antes de correres o modelo:

1. Variável dependente binária — codificada tipicamente como 0/1.
2. Independência das observações — cada caso deve ser independente dos restantes; dados longitudinais ou hierárquicos exigem modelos mistos ou GEE, não regressão logística simples.
3. Ausência de multicolinearidade severa entre preditores — verifica o Fator de Inflação da Variância (VIF); valores de VIF muito elevados indicam redundância entre variáveis independentes e instabilidade nos coeficientes.
4. Linearidade do logit — as variáveis contínuas devem ter uma relação linear com o logit da variável dependente (testável pelo teste de Box-Tidwell).
5. Dimensão amostral adequada — uma regra prática amplamente citada na literatura metodológica é a necessidade de, no mínimo, cerca de 10 casos do desfecho menos frequente por cada variável independente incluída no modelo; amostras pequenas face ao número de preditores geram estimativas instáveis e intervalos de confiança demasiado largos.
6. Ausência de outliers influentes — verifica através dos resíduos de Pearson estandardizados e da distância de Cook.

Para uma visão mais ampla sobre a preparação de dados antes de qualquer modelo estatístico, o guia sobre análise de dados na tese com SPSS, Excel e Python cobre a limpeza e codificação de variáveis que antecede qualquer regressão. Se ainda estás a definir a tua amostra ou o capítulo de metodologia como um todo, o guia completo de metodologia de investigação para a tese cobre paradigmas, desenho de estudo e técnicas de recolha de dados que antecedem a escolha de qualquer modelo de regressão.

Como correr a regressão logística passo a passo (SPSS e R)

No SPSS, o percurso típico é o seguinte:

1. Menu Analyze > Regression > Binary Logistic.
2. Coloca a variável dependente binária na caixa Dependent (o SPSS assume a categoria de valor mais alto como o evento de referência, por isso confirma a codificação em Categorical).
3. Adiciona as variáveis independentes na caixa Covariates; identifica as categóricas em Categorical e define a categoria de referência.
4. Em Options, seleciona “Hosmer-Lemeshow goodness-of-fit”, “CI for exp(B)” e “Classification plots”.
5. Escolhe o método de entrada de variáveis: Enter (todas as variáveis simultaneamente, mais defensável em teses confirmatórias) ou métodos por passos (Forward/Backward Stepwise), mais adequados a análises exploratórias e menos recomendados quando o objetivo é testar hipóteses pré-especificadas.
6. Executa e exporta as tabelas de “Variables in the Equation” (coeficientes B, Wald, p, Exp(B) e respetivo IC 95%).

Em R, o comando central é glm(desfecho ~ preditor1 + preditor2, data = dados, family = binomial(link = "logit")), seguido de exp(coef(modelo)) para converter os coeficientes log-odds em Odds Ratios e exp(confint(modelo)) para obter os respetivos intervalos de confiança. Para quem está a decidir entre ferramentas, o comparativo SPSS vs. R vs. Python para análise de dados de tese detalha vantagens de cada ambiente para modelos de regressão.

Vídeo: introdução prática à regressão logística, pelo canal Psicometria Brasil (Dr. Luis Anunciação).

Como interpretar os coeficientes e o Odds Ratio

Este é o ponto onde a maioria dos erros de interpretação acontece nas teses. O output da regressão logística devolve coeficientes em escala log-odds (o valor B), que por si só não têm leitura intuitiva. O Odds Ratio, obtido através de Exp(B), é a transformação exponencial desse coeficiente e representa a mudança multiplicativa nas chances do evento por cada aumento de uma unidade na variável independente, mantendo as restantes constantes.

Regras de leitura do Odds Ratio:

• OR = 1 — a variável independente não tem efeito nas chances do desfecho.
• OR > 1 — a variável aumenta as chances do evento. Um OR de 2,0 significa que as chances do evento duplicam por cada unidade de aumento na variável preditora.
• OR < 1 — a variável reduz as chances do evento. Um OR de 0,5 significa que as chances do evento reduzem para metade; para exprimir a redução percentual, calcula-se (1 − OR) × 100.

Um erro comum é confundir Odds Ratio com Risco Relativo (Razão de Prevalências): são medidas de efeito diferentes que só convergem quando o desfecho é raro na amostra (tipicamente abaixo de 10%). Em desfechos frequentes, o OR tende a exagerar a magnitude do efeito face ao Risco Relativo, pelo que a tese deve nomear corretamente a medida reportada e evitar falar de “risco” quando na realidade se calculou “chance”.

Interpreta sempre o Odds Ratio em conjunto com o respetivo intervalo de confiança a 95%: se o intervalo incluir o valor 1, o efeito da variável não é estatisticamente significativo, independentemente do valor pontual do OR reportado.

Como avaliar o ajuste do modelo

Reportar apenas os Odds Ratios sem avaliar a qualidade global do modelo é uma lacuna metodológica frequentemente assinalada em provas de mestrado e doutoramento. Os indicadores essenciais a incluir no capítulo de resultados são:

Como reportar os resultados em APA 7ª edição

A American Psychological Association recomenda que o reporte de uma regressão logística inclua, no mínimo: o teste de qualidade de ajuste global (ex.: Hosmer-Lemeshow ou teste de razão de verosimilhança), o pseudo-R², e para cada preditor o coeficiente B, o erro-padrão, a estatística de Wald, os graus de liberdade, o valor de p, o Odds Ratio (Exp(B)) e o respetivo intervalo de confiança a 95%. Um exemplo de frase de reporte:

“O modelo de regressão logística foi estatisticamente significativo, χ²(3) = 24,17, p < ,001, explicando entre 18% e 26% da variância no abandono (Cox & Snell R² e Nagelkerke R², respetivamente), e classificou corretamente 71,4% dos casos. O tempo de estudo semanal associou-se a menores chances de abandono, OR = 0,82, 95% CI [0,71, 0,95], p = ,008.”

Nota: os valores acima são ilustrativos, para fins de demonstração do formato de reporte, e não correspondem a um estudo empírico publicado. Para normas de formatação da tabela e da citação em torno destes resultados, consulta o guia de análise de dados na tese, que detalha a estrutura de tabelas estatísticas em APA 7.

Erros comuns a evitar

• Confundir Odds Ratio com probabilidade. Um OR de 3 não significa “três vezes mais provável”; significa “três vezes maiores chances”, uma distinção que se torna relevante quando o desfecho não é raro.
• Ignorar a multicolinearidade. Preditores altamente correlacionados entre si inflacionam os erros-padrão e podem gerar coeficientes com sinal contraintuitivo.
• Usar seleção stepwise automática sem justificação teórica num estudo confirmatório — os avaliadores de tese esperam que a escolha das variáveis independentes decorra do enquadramento teórico, não apenas de um algoritmo de seleção.
• Não verificar a dimensão amostral face ao número de preditores incluídos, o que compromete a estabilidade das estimativas.
• Omitir os intervalos de confiança do Odds Ratio no capítulo de resultados, impedindo o leitor de avaliar a precisão da estimativa.
• Aplicar regressão logística a desfechos ordinais ou multinomiais sem adaptar o modelo à estrutura real da variável dependente.

Para desfechos que envolvem tempo até ao evento (ex.: tempo até à reincidência, tempo até à alta clínica), o modelo apropriado já não é a regressão logística mas sim a análise de sobrevivência — ver o guia sobre análise de sobrevivência com Kaplan-Meier e regressão de Cox. E quando a análise exploratória inicial envolve apenas duas variáveis categóricas sem controlo de covariáveis, o teste indicado à partida é o teste do Qui-Quadrado no SPSS, frequentemente usado como análise preliminar antes de avançar para um modelo de regressão logística multivariado.

Perguntas frequentes

Em síntese

A regressão logística é a ferramenta correta sempre que a variável dependente da tua tese for binária e o objetivo for identificar preditores das chances de ocorrência de um evento. O passo que separa uma análise sólida de uma análise vulnerável a críticas do júri não é correr o modelo no SPSS ou no R — é a interpretação cuidadosa do Odds Ratio, do respetivo intervalo de confiança e dos indicadores de ajuste global do modelo. Revê os pressupostos antes de correr a análise, documenta o método de entrada de variáveis escolhido e reporta sempre os resultados seguindo a estrutura APA 7ª edição. Para aprofundar outras técnicas de análise quantitativa usadas em teses de mestrado e doutoramento, consulta também o guia sobre como analisar dados quantitativos da tese com SPSS e Jamovi.