INFIRIENDO PATRONES: TÉCNICAS AVANZADAS DE REGRESIÓN Y SU APLICACIÓN CON R

Curso impartido en el CONSEJO SUPERIOR DE INVESTIGACIONES CIENTIFICAS

Madrid, Noviembre de 2022

Luis M. Carrascal

    Dept. Ecología Evolutiva

Museo Nacional de Ciencias Naturales - CSIC

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

TEMARIO:

TIPOS DE DISTRIBUCIONES: Gaussiana, Gamma, Poisson, Binomial Negativa, Inflada de Ceros, Binomial, de Frecuencias, Multinomial

MODELOS GENERALIZADOS: generalidades; modelos lineales y aditivos (GLMs, beta binomiales, proportional odds regression, inflados de ceros, GAM)

VALORACIÓN DE LOS RESIDUOS DEL MODELO: normalidad; heterocedasticidad; puntos influyentes y perdidos

RELACIONES ENTRE LAS VARIABLES PREDICTORAS: exploraciones visuales; independencia entre los predictores y VIF (variance inflation factor)

RESULTADOS DEL MODELO:

   omnibus tests: likelihhod ratio tests, y comparación del modelo nulo con el de interés mediante Akaike AICc

   interpretación de los coeficientes de regresión

   estima de significación de efectos

   variación total explicada (pseudo-R²)

   partición de la varianza-devianza entre las variables explicativas

   sobredispersión en modelo Poisson y Binomiales

SIGNIFICACIÓN CORREGIDA ANTE LA HETEROCEDASTICIDAD DE LOS RESIDUOS:

   correcciones de la matriz de varianzas-covarianzas: HC4, HC4m, HC5

CASO PARTICULAR DE LOS MODELOS GENERALIZADOS ADITIVOS (GAM) Y REGRESIONES POLINOMIALES

ESTIMAS ROBUSTAS DE LOS MODELOS ANTE DATOS INFLUYENTES Y/O PERDIDOS

BOOTSTRAPPING DE LOS MODELOS

SIMPLIFICACIÓN DE LOS MODELOS LINEALES MEDIANTE EL USO DE glmmTMB

MATERIALES DEL CURSO 

Presentación del profesor  [documento pdf]

Scripts comentados

Construcción de modelos generalizados lineales

Valoración de los residuos del modelo

Resultados del modelo

Estimaciones robustas del modelo

Validación cruzada del modelo

Bootstrapping de los modelos

Modelos generalizados aditivos (GAM)

Regresión de cuantiles

Modelos generalizados lineales mediante PLS

Modelos generalizados lineales flexibles mediante glmmTMB

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

Actualización: 15/11/2022