Question

14

Um pesquisador de marketing deseja prever a probabilidade de um cliente adquirir ou não um novo serviço (variável resposta binária: "compra" vs. "não compra"), com base em um conjunto de variáveis preditoras contínuas e categóricas (idade, renda, histórico de compras, etc.). Além disso, ele quer interpretar como cada variável preditora afeta as chances de compra. Qual técnica estatística multivariada é a mais adequada para este problema de classificação e interpretação?

Accepted Answer

C) Regressão Logística, pois é um modelo projetado especificamente para prever uma variável dependente categórica (neste caso, binária) a partir de um conjunto de preditores independentes, e seus coeficientes podem ser interpretados em termos de "odds ratio" (razão de chances).

Answer

A) Análise Discriminante Linear, pois é o método clássico para classificar observações em grupos pré-definidos, sendo mais robusto que a regressão logística quando a suposição de normalidade multivariada dos preditores é violada.

Answer

B) Análise de Componentes Principais (ACP), para reduzir o número de variáveis preditororas a um conjunto menor de componentes não correlacionados antes de prever a compra.

Answer

D) Correlação Canônica, pois o objetivo é encontrar a associação linear máxima entre o conjunto de variáveis preditoras e a variável resposta binária.

Answer

E) Análise de Agrupamento (Cluster Analysis), para identificar grupos naturais de clientes ("compradores" e "não compradores") com base em suas características.

Mais questões de Regressão logística e modelos lineares generalizados