Modelo de Regresión logística binaria aplicado a datos de accidentes en carreteras federales en Brasil

Autores/as

DOI:

https://doi.org/10.33448/rsd-v11i15.36833

Palabras clave:

Análisis supervisado; Aprendizaje automático; Razón de probabilidades; Letalidad de los accidentes; Accidentes de carretera.

Resumen

Los accidentes en las carreteras federales de Brasil generan impactos sociales y económicos para el país. Datos de la Policía Federal de Caminos revelan que, año tras año, miles de personas pierden la vida en estos accidentes. Este trabajo tiene como objetivo explorar los factores que influyen en la probabilidad de muerte por la ocurrencia del accidente. Se estimó un modelo de regresión logística binaria, en el que el evento de interés es la circunstancia de muerte en accidente con datos de 2021. Dados algunos procedimientos de selección de variables, se obtuvo el modelo final y luego se validó con datos de 2022. La eficiencia global del modelo, tanto en datos de 2021 como de 2022, rondaba el 70%. Luego, se calculó la razón de posibilidades entre algunas categorías diferentes y cuánto genera un aumento en la letalidad de accidentes en relación con la categoría de referencia, como el peatón, que tiene 15,6 veces más posibilidades de letalidad que el conductor en un accidente, así como como el uso de una bicicleta, que es 5,3 veces más probable que un coche. Aunque la mayoría de los accidentes son causados ​​por el hombre, algunos resultados muestran que existe la necesidad de una intervención de políticas públicas que ayuden a reducir estas tragedias. Para hacer más concreta y dinámica la comprensión del modelo, se creó un tablero para que el usuario obtenga la probabilidad de muerte seleccionando ciertas características del accidente y los involucrados.

Biografía del autor/a

Yuri Machado de Souza, Universidade de São Paulo

Master in Applied Economics

Citas

Akaike, H. (1974). A new look at the statistical model identification. IEEE Transactions on Automatic Control, 19 (6), 716-723.

Carvalho, M. S. et al. (2011). Análise de sobrevivência: teoria e aplicações em saúde. FIOCRUZ.

Colosimo, E. A. & Giolo, S.R. (2006). Análise de sobrevivência aplicada. Edgard Blucher.

Core Team. (2021). A language and environment for statistical computing. Foundation for Statistical Computing, Vienna, Austria. https://www.R-project.org.

Core Team. (2021). Core Team and contributors worldwide stats: The R Stats Package. R package version 4.2.0. 2021.. https://stat.ethz.ch/R-manual/R-devel/library/stats/html/00Index.html.

CNT. Confederação Nacional do Transporte (2021). Painel CNT de Consultas Dinâmicas dos Acidentes Rodoviários. https://www.cnt.org.br/painel-acidente.

Fávero, L. P. & Belfiore, P. (2017). Manual de análise de dados: estatística e modelagem multivariada com Excel®, SPSS® e Stata®. Elsevier.

Giolo, S. R. (2017). Introdução à Análise de Dados Categóricos com Aplicações. Projeto Fisher ABE.

Izbicki, R. & dos Santos, T. M. (2020). Aprendizado de máquina: uma abordagem estatística. Rafael Izbicki,.

Junior, G. T. B., Bertho, A. C. S. & Veiga, A. C. (2019). A letalidade dos acidentes de trânsito nas rodovias federais brasileiras. Revista Brasileira de Estudos de População, 36, 1-22.

Miranda, R., Silva, W. P. & Dutt-Ross, S. (2021). Identificação de fatores determinantes da severidade das lesões sofridas por pedestres nas rodovias federais brasileiras entre 2017 e 2019: Análise via regressão logística multinomial. Scientia Plena, 17 (4).

McCullagh, P. & Nelder, J. A. (1989). Generalized Linear Models. London – New York. Second edition, Chapman and Hall, 1989.

PRF. Polícia Rodoviária Federal. (2021). https://arquivos.prf.gov.br/arquivos/index.php/s/n1T3lymvIdDOzzb.

Roquim, F. V., Nakamura, L. R., Ramires, T. G. & Lima, R. R. (2019). Regressão logística: o que leva um acidente rodoviário a ser uma tragédia? Sigmae, 8 (2), 19-28.

Santos, D. F. (2017). Modelo de regressão log-logístico discreto com fração de cura para dados de sobrevivência. (Dissertação de Mestrado) . Universidade de Brasília, Brasília, Brasil.

Schwarz, G. (1978). Estimating the dimensional of a model. Annals of Statistics, 6, 461-464.

Sugiura, N. (1978). Further analysts of the data by Akaike’s information criterion and the finite corrections: Further analysis of the data by Akaike’s. Communications in Statistics – Theory and Methods, 7 (1), 13-26.

Wald, A. (1943). Tests of statistical hypotheses concerning several parameters when the number of observations is large. Trans. Amer. Math. Soc, 462-482.

WHO. World Health Organization. (2015). Global status report on road safety 2015. https://shortest.link/whointviolenceinjuryprevention.

Descargas

Publicado

12/11/2022

Cómo citar

SANTOS, D. F. dos .; SOUZA, Y. M. de . Modelo de Regresión logística binaria aplicado a datos de accidentes en carreteras federales en Brasil. Research, Society and Development, [S. l.], v. 11, n. 15, p. e120111536833, 2022. DOI: 10.33448/rsd-v11i15.36833. Disponível em: https://rsdjournal.org/index.php/rsd/article/view/36833. Acesso em: 30 jun. 2024.

Número

Sección

Ciencias Exactas y de la Tierra