Curso de análisis de datos en R - Sesión 3

Modelos lineales en R: Regresión, ANOVA y ANCOVA

¿Qué es una regresión? ¿Y un ANOVA? ¿Cuál es la principal diferencia entre ambos? ¿Qué supuestos estadísticos debemos asumir cuando llevemos a cabo este tipo de análisis? Estas y otras preguntas son críticas en la aplicación de modelos lineales a la resolución de problemas estadísticos.

En esta sesión se analizan distintos casos de estudio mediante el uso de modelos lineales y se explica cómo evaluar los supuestos de dichos modelos, cómo solucionar problemas de colinealidad y cómo estandarizar las variables para poder comparar los coeficientes del modelo resultante.

Los pasos a seguir para ajustar un modelo lineal (y prácticamente casi cualquier otro modelo estadístico paramétrico) se resumen en la siguiente figura.


En esta sesión se verán los siguientes contenidos:

1. Conceptos estadísticos básicos: ANOVA y regresión
   
2. Cosas importantes antes de empezar
   
3. Cómo ajustar un modelo lineal en R
   
1. Un ejemplo de regresión
2. Un ejemplo de ANOVA
   
3. Un ejemplo de ANCOVA
   
4. Interacción entre factores o factores y co-variables
   
4. Evaluación de los supuestos del modelo: Exploración de los residuos
5. Problemas de colinealidad: Reducción de variables
6. Estandarización de coeficientes