Entendiendo los diseños factoriales.
* Tipo de variables respuesta y predictoras (gausianas, gamma, poisson, binomiales negativas, binomiales, multinomiales). Factores entre- y dentro-de sujetos. Factores fijos y aleatorios. Factores anidados.
* Modelos Generales y Generalizados Lineales. Transformación de variables (log, raíz y Box-Cox). Varianza y devianza. Parametrización de efectos no lineales mediante transformaciones polinomiales.
* Efectos simples, parciales e interacciones. Tipos de sumas de cuadrados (I, II y III) y sus equivalentes en modelos generalizados no gausianos. Partición de la variación: eta2 y eta2 parcial.
* Tablas de contrastes en diseños factoriales. Comparaciones planificadas.
* Revisión de los supuestos canónicos trabajando con los residuos de los modelos. Desvío de la normalidad de los residuos, heterocedasticidad de los residuos, heterogeneidad de varianzas en las celdas n-factoriales.
* Re-cálculo de coeficientes, errores estándar y significaciones utilizando las matrices de varianza-covarianza (estimadores sándwich, HC3 y HC4m), cuando existe heterocedasticidad en los residuos.
* Estimas robustas, Bootstrapping y validación cruzada de los modelos.
* Comparación entre modelos usando el criterio de información de Akaike (IACc).
Tipos de diseños factoriales
* Diseños n-factoriales univariantes: AN(c)OVAs. Diseños de bloques, cuadrados latinos.
* Diseños n-factoriales multivariantes: MAN(c)OVAs
* Modelos mixtos I: diseños n-factoriales univariantes que mezclan covariantes, factores de efectos fijos y aleatorios. Establecimiento de términos error deseables y posibles.
* Modelos mixtos II: Aproximaciones de Kenward-Roger y Satterthwaite a la estima de los grados de libertad y significaciones. Aproximación de bootstrap paramétricos.
* Diseños de factores anidados con y sin celdas de interacciones vacías.
* Diseños de medidas repetidas. Diseños “split-plot”. Supuesto de esfericidad y simetría compuesta; corrección de grados de libertad y significaciones; aproximación multivariante.
El objetivo de este curso es presentar conceptos avanzados relacionados con el análisis de datos obtenidos en diseños experimentales que implican la combinación de (co)variables continuas y factores de diferentes tipos. Se efectuará un repaso exhaustivo de las distintas familias de diseños factoriales (entre sujetos, dentro de sujetos, anidados, de efectos fijos y aleatorios), incluyendo las diferentes combinaciones de ellos en modelos “mixtos”.
El curso pondrá el énfasis en aspectos fundamentales generalmente no sopesados en estos diseños, como son: el qué, por qué, para qué, cómo, limitaciones y alcance de los diferentes diseños y las herramientas que los abordan, las implicaciones de las violaciones de sus supuestos, y las pruebas canónicas necesarias para valorar la idoneidad de las herramientas estadísticas utilizadas. Esto es, la buena praxis previa a la interpretación de los resultados. Otro aspecto en el que se incidirá es en la robustez de las estimas de los modelos, teniendo en cuenta la existencia de puntos influyentes y/o perdidos.
Todo el curso se desarrollará desde la perspectiva de su aplicabilidad en cualquier plataforma estadística (e.g., R, SAS, SPSS, STATISTICA), aunque la ejemplificación se desarrollará principalmente en el entorno abierto de R mediante el empleo de RStudio. El uso de los diferentes paquetes de R (e.g., lme4, car, afex, heplots, moments, MASS, sandwich, lmtest, DAAG, MuMIN, etc) se desarrollará de manera que los resultados que generan sean replicables y consistentes con los que se obtienen en otras plataformas como SPSS o STATISTICA. Debido a la dificultad inherente al empleo de R, el profesor pondrá el énfasis en su aprendizaje y aplicabilidad desde un nivel “cero” de conocimiento, presentándolo en un contexto “amable” que supere las reticencias ante este modo “Retro” de hacer estadística.
El curso tendrá una parte “teórica” de presentación de ideas y procedimientos por el profesor (23 h), y una parte “demostrativa” de aprendizaje práctico mediante el uso del entorno R (17 h).
Sala de Juntas del Museo Nacional de Ciencias NaturalesMódulo teórico 23, 25, 27 y 30 de enero. 1 y 3 de febrero de 2017 de 15:30 a 19:00 horas.
Sábado 28 de 9:00 a 13:00 horas
Módulo práctico 24, 26 y 31 de enero y 2 de febrero de 15:30 a 20:00 horas
