Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Similars in SciELO
Share
Revista Portuguesa de Educação
Print version ISSN 0871-9187On-line version ISSN 2183-0452
Abstract
GOMES, Cristiano Mauro Assis; LEMOS, Gina C. and JELIHOVSCHI, Enio G.. A racionalidade do Método de Regressão em Árvore é mais apropriada do que o Modelo Linear Geral para analisar dados educacionais complexos. Rev. Port. de Educação [online]. 2021, vol.34, n.2, pp.42-64. Epub Aug 01, 2022. ISSN 0871-9187. https://doi.org/10.21814/rpe.18044.
Qualquer método quantitativo é formatado por certas regras ou postulados que constituem a sua própria racionalidade. Não fortuitamente, esses postulados determinam as condições e constrangimentos segundo os quais as evidências podem ser construídas. Neste artigo, argumentamos por que a racionalidade do Método de Regressão em Árvore é mais apropriada do que a do Modelo Linear Geral para analisar dados educacionais complexos. Ademais, aplicamos o algoritmo CART do Método de Regressão em Árvore, assim como a Regressão Linear Múltipla, num modelo com 53 preditores, tomando como desfecho as pontuações dos estudantes em leitura da edição de 2011 do Exame Nacional do Ensino Médio (ENEM; N = 3.670.089), o qual é um dado educacional complexo. Esta comparação empírica ilustra como o Método de Regressão em Árvore é superior ao Modelo Linear Geral para fornecer evidências sobre relações não lineares, assim como para lidar com variáveis nominais com muitas categorias, e variáveis ordinais. Concluímos que o Método de Regressão em Árvore constrói melhores evidências sobre as relações entre os preditores e o desfecho em dados complexos.
Keywords : Modelo de regressão em árvore; modelo linear geral; Exame Nacional do Ensino Médio (ENEM); dados complexos..