lunes, 4 de mayo de 2009

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

1 comentario:

Anónimo dijo...

Hola.

Muchas gracias por el esfuerzo de hacer y colgar los apuntes. Están muy claros, me son muy útiles, creo que esta noche voy a dormir con la sesion 3 en la mesita de noche, jeje.

Estoy harto de leer esto de las variables dummy y no entender nada, ahora ya lo tengo bastante más claro.

Un saludo de otro que empieza en R.


Jaume.
acercad.wordpress.com

Buscar entradas