Análisis de datos en ciencias sociales y de la salud III

1. Modelos lineales
Qué es un modelo lineal
Componentes de un modelo lineal
El componente aleatorio
El componente sistemático
La función de enlace
Clasificación de los modelos lineales
Cómo ajustar un modelo lineal
Seleccionar el modelo
Estimar los parámetros y obtener los pronósticos
Valorar la calidad o ajuste del modelo
Ajuste global
Contribución de cada variable
Chequear los supuestos del modelo
Casos atípicos e influyentes
Apéndice 1
Distribuciones de la familia exponencial
Máxima verosimilitud

2. Modelos lineales clásicos
Análisis de varianza
Seleccionar el modelo
Estimar los parámetros y obtener los pronósticos
Valorar la calidad o ajuste del modelo
Chequear los supuestos
Análisis de covarianza
Lógica del análisis de covarianza
Seleccionar el modelo
Estimar los parámetros y obtener los pronósticos
Valorar la calidad o ajuste del modelo
Chequear los supuestos
Análisis de covarianza con SPSS
Cómo chequear los supuestos
Cómo valorar el efecto del factor
Pendientes de regresión heterogéneas
Análisis de regresión lineal
Seleccionar el modelo
Estimar los parámetros y obtener los pronósticos
Valorar la calidad o ajuste del modelo
Chequear los supuestos
Interacción entre variables independientes
Dos variables cuantitativas
Una variable dicotómica y una cuantitativa
Apéndice 2
Elementos de un modelo lineal clásico

3. Modelos lineales mixtos
Efectos fijos, aleatorios y mixtos
Qué es un modelo lineal mixto
Modelos con grupos aleatorios
Análisis de varianza: un factor de efectos aleatorios
Información preliminar
Ajuste global
Significación de los efectos incluidos en el modelo
Estimaciones de los parámetros
Análisis de varianza: dos factores de efectos mixtos
Información preliminar
Ajuste global
Significación de los efectos incluidos en el modelo
Estimaciones de los parámetros
Comparaciones múltiples
Modelos con medidas repetidas
Estructura de los datos
Análisis de varianza: un factor con medidas repetidas
Significación de los efectos incluidos en el modelo
Estimaciones de los parámetros
Comparaciones múltiples
Análisis de varianza: dos factores con medidas repetidas en ambos
Significación de los efectos incluidos en el modelo
Estimaciones de los parámetros
Análisis de varianza: dos factores con medidas repetidas en uno
Significación de los efectos incluidos en el modelo
Estimaciones de los parámetros
Comparaciones múltiples
Análisis de los efectos simples
Análisis del efecto de la interacción
Análisis de covarianza: dos factores con medidas repetidas en uno
Estructura de la matriz de varianzas-covarianzas residual
Apéndice 3
Elementos de un modelo lineal mixto
Métodos de estimación en los modelos lineales mixtos

4. Modelos lineales multinivel
Qué es un modelo multinivel
Análisis de varianza: un factor de efectos aleatorios
Análisis de regresión: medias como resultados
Análisis de covarianza: un factor de efectos aleatorios
Análisis de regresión: coeficientes aleatorios
Análisis de regresión: medias y pendientes como resultados
Curvas de crecimiento
Medidas repetidas: coeficientes aleatorios
Medidas repetidas: medias y pendientes como resultados
Apéndice 4
El tamaño muestral en los modelos multinivel

5. Regresión logística (I). Respuestas dicotómicas
Regresión con respuestas dicotómicas
La función lineal
La función logística
La transformación logit
Regresión logística binaria o dicotómica
Una covariable (regresión simple)
Información preliminar
Ajuste global: significación estadística
Ajuste global: significación sustantiva
Pronósticos y clasificación
Significación de los coeficientes de regresión
Interpretación de los coeficientes de regresión
Más de una covariable (regresión múltiple)
Información preliminar
Ajuste global: significación estadística
Ajuste global: significación sustantiva
Significación de los coeficientes de regresión
Interpretación de los coeficientes de regresión
Pronósticos y clasificación
Covariables categóricas
Interacción entre covariables
Dos covariables dicotómicas
Una covariable dicotómica y una cuantitativa
Dos covariables cuantitativas
Regresión logística jerárquica o por pasos
Supuestos del modelo de regresión logística
Linealidad
No colinealidad
Independencia
Dispersión proporcional a la media
Casos atípicos e influyentes
Casos atípicos
Casos influyentes
Apéndice 5
Regresión probit

6. Regresión logística (II). Respuestas nominales y ordinales
Regresión nominal
El modelo de regresión nominal
Una variable independiente (regresión simple)
Ajuste global
Significación e interpretación de los coeficientes de regresión
Más de una variable independiente (regresión múltiple)
Ajuste global
Significación e interpretación de los coeficientes de regresión
Pronósticos y clasificación
Interacción entre variables independientes
Regresión por pasos
Sobredispersión
Regresión ordinal
El modelo de regresión ordinal
Una variable independiente (regresión simple)
Ajuste global
Significación e interpretación de los coeficientes de regresión
Más de una variable independiente (regresión múltiple)
Interacción entre variables independientes
Odds proporcionales
Apéndice 6
Funciones de enlace en los modelos de regresión ordinal

7. Regresión de Poisson
Regresión lineal con recuentos
Regresión de Poisson con recuentos
El modelo de regresión de Poisson
Una variable independiente (regresión simple)
Ajuste global: significación estadística
Ajuste global: significación sustantiva
Significación de los coeficientes de regresión
Interpretación de los coeficientes de regresión
Una variable independiente dicotómica
Una variable independiente politómica
Más de una variable independiente (regresión múltiple)
Ajuste global
Significación de los coeficientes de regresión
Interpretación de los coeficientes de regresión
Interacción entre variables independientes
Dos variables independientes dicotómicas
Dos variables independientes cuantitativas
Una variable independiente dicotómica y una cuantitativa
Regresión de Poisson con tasas de respuesta
Sobredispersión
Apéndice 7
Criterios de información
La distribución binomial negativa y el problema de la sobredispersión

8. Análisis loglineal
Tablas de contingencias
Notación en tablas de contingencias
Asociación en tablas de contingencias
Modelos loglineales jerárquicos
Cómo formular modelos loglineales
El modelo de independencia
El modelo de dependencia
Parámetros independientes
Tablas multidimensionales
El principio de jerarquía
Cómo estimar las frecuencias esperadas de un modelo loglineal
Cómo evaluar el ajuste o la calidad de un modelo loglineal
Cómo seleccionar el mejor modelo loglineal
Cómo analizar los residuos
Cómo ajustar modelos loglineales jerárquicos con SPSS
Ajuste por pasos
Modelos loglineales generales
Cómo ajustar un modelo concreto
Estimaciones de los parámetros
Estructura de las casillas
Tablas incompletas
Ceros muestrales
Ceros estructurales
Tablas cuadradas
Cuasi-independencia
Simetría completa
Simetría relativa
Tasas de respuesta
Comparaciones entre niveles
Modelos logit
Una variable independiente
Más de una variable independiente
Correspondencia entre los modelos logit y los loglineales
El procedimiento Logit
Ajuste global: significación estadística
Ajuste global: significación sustantiva
Interpretación de los coeficientes de un modelo logit
Apéndice 8
Esquemas de muestreo
Estadísticos mínimo-suficientes
Grados de libertad en un modelo loglineal

9. Análisis de supervivencia
Tiempos de espera, eventos, casos censurados
Disposición de los datos
Tablas de mortalidad
Tablas de mortalidad con SPSS
Cómo comparar tiempos de espera
El método de Kaplan-Meier
El estadístico producto-límite
El método de Kaplan-Meier con SPSS
Gráficos de los tiempos de espera
Cómo comparar tiempos de espera
Regresión de Cox
La ecuación de regresión
Impacto proporcional
Regresión de Cox con SPSS
Variables independientes categóricas
Regresión de Cox por pasos
Diagnósticos del modelo de regresión de Cox
Casos atípicos e

Editorial: Síntesis
ISBN: 9788499589435
Publicado:11/2012
Páginas: 400
Idioma: Español
Encuadernación: Rústica