DISEÑOS FACTORIALES Y ANÁLISIS DE EXPERIMENTOS EN R

Curso impartido en el CSIC

Madrid, Noviembre de 2020

Luis M. Carrascal

    Dept. Ecología Evolutiva

Museo Nacional de Ciencias Naturales - CSIC

    C/ José Gutiérrez Abascal, 2. 28006 Madrid. SPAIN

 

 

TEMARIO:

ENTENDIENDO LOS DISEÑOS FACTORIALES. PRINCIPIOS Y GENERALIDADES

1) 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.

2) Modelos Generales y Generalizados Lineales. Transformación de variables (log, raíz y Box-Cox). Varianza y devianza. Parametrización de efectos no lineales mediante transformaciones polinomiales.

3) 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.

4) Tablas de contrastes en diseños factoriales. Comparaciones planificadas.

5) 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).

6) Gestionando la existencia de valores influyentes y perdidos. Poder explicativo vs. poder predictivo de los modelos. Estimas robustas, Bootstrapping y validación cruzada de los modelos.

7) Comparación entre diferentes modelos usando el criterio de información de Akaike (IACc). Inferencia multimodelos.

 

TIPOS DE DISEÑOS FACTORIALES

8) Diseños n-factoriales univariantes: ANOVAs.

9) Diseños de bloques y cuadrados latinos.

10) Diseños n-factoriales con covariantes: ANCOVAs. Tests de paralelismo del efecto de covariantes.

11) Diseños n-factoriales multivariantes: MAN(c)OVAs

12) Diseños de factores anidados con y sin celdas de interacciones vacías.

13) Diseños de medidas repetidas. Diseños “split-plot”. Supuesto de esfericidad y simetría compuesta; corrección de grados de libertad y significaciones; aproximación mediante modelos mixtos. 

 

 

MATERIALES DEL CURSO 

 

Presentación del profesor 

    Diseños Factoriales.

 

Scripts comentados

    Mis primeros pasos con R (variables, matrices, bucles, modelos sencillos, “no-pero-sí normalidad”)

    Errores de tipo I y II, potencia de los tests, tipos de contrastes y sumas de cuadrados, problemas con interacciones que implican covariantes)

 

    DISEÑOS FACTORIALES GENERALES n-way AN(c)OVA

    DISEÑOS FACTORIALES GENERALIZADOS CON DISTRIBUCIONES POISSON Y BINOMIALES NEGATIVAS

    DISEÑOS FACTORIALES GENERALIZADOS CON BINOMIALES ([0,1] o de frecuencias)

    DISEÑOS FACTORIALES GENERALIZADOS CON MULTINOMIALES

    DISEÑOS FACTORIALES GENERALES DE MEDIDAS REPETIDAS Y SPLIT-PLOT DESIGNS – matrices verticales con {lmer}

    DISEÑOS FACTORIALES GENERALES n-way MAN(c)OVA (multivariantes)

    DISEÑOS FACTORIALES GENERALES DE ANOVA ENCAJADOS

     Modelos nulos para significaciones

 

Listado de comandos básicos en R

    R Reference Card

    A short list of the most useful R commands

    A short list of some useful R commands

    Table of Useful R commands

    Comandos para regresiones y estadística básica

 

   

  

 

LITERATURA SELECCIONADA


* Hairston, N.G. (1989). Ecological Experiments: Purpose, Design and Execution. Cambridge Studies in Ecology, Cambridge Univ. Press, Cambridge.
* Scheiner, S.M.; Gurevitch, J. (2001). Design and analysis of ecological experiments. Chapman & Hall, New York.
* Keppel, G. (1991). Design and analysis: a researcher’s handbook. Prentice Hall, New Jersey. Nueva versión.
* Breiman, L. (1984). Classification and Regression Trees. Chapman & Hall
* Crawley, M.J. (1998). GLIM for Ecologists. Blackwell Science.
* Hastie, T.J.; Tibshirani, R.J. (1997). Generalized Additive Models. Chapman & may.
* Maxwell, S.E.; Delaney, H.D. (1990). Designing Experiments and Analyzing Data. A model comparison perspective. Wadsworth Publishing Company, Belmont, CA. Nueva versión.
* Burnham, K.P.; Anderson, D. (2003). Model Selection and Multi-Model Inference
Springer.
* Davison, A.C.; Hinkley, D.V. (2007). 
Bootstrap methods and their applicationCambridge Univ. Press. [link]

 

 

 

Actualización: 12/11/2020