similar to: Duda_TEST DE WALD

Buenos días, Gracias Carlos, siguiendo el ejemplo que comentas, esto es lo que he introducido en el Scrip de RStudio: *library(xlsx)* *library(xlsxjars)* *library(rJava)* *library(aod)* *R<-read.csv("2002.CSV", sep=";", dec=",", header=T)* *attach(R)* *group<-gl(2,670,1340,labels= c("AVE", "Log.Imports.Value.in.1000.USD"))*

Buenos días, Os escribo porque ando trabajando con una base de datos "count data" en R y estoy aplicando varios modelos: Quasi Poisson, Negative Binomial, Zero Inflated Models, Tobit y Tobit con Heckman. Me gustaría profundizar en la interpretación de los modelos (coeficientes y parámetros descriptivos de cada modelo) y los test de comparación entre ellos (Test de Vuong, Wald, Log

Buenos días, *Muchas gracias, todas las aportaciones han sido bien útiles.* Las he tenido en cuenta y he pasado los datos con el R, siguiendo el siguiente comando: *modeloRTUN2<-lm(AVE.~ Tariff + d1 + d2 + d3 + d4 + d5 + d6 + d7 + d8 + d9+ d10 + d11+ d12+ d13+ d14+ d15+ d16+ d17+ d18+ d19+ d20 +d21 + Tariff*d1 + Tariff*d2 + Tariff*d10)* *summary(modeloRTUN2)* Siendo: AVE. = Variable

Buenos días, Me gustaría aplicar una regresión múltiple a los datos con los que trabajo pero no se como introducir los datos en R. He probado introducir el siguiente comando: modeloM<-lm(AVE.~ d1 + as.factor(d1T)*Tariff) summary(modeloM) Pero me da el siguiente error: > summary(modeloM) Error in if (attr(z$terms, "intercept")) sum((f - mean(f))^2) else sum(f^2) : argument is

Ese libro está muy bien (yo me lo he leído de arriba abajo y es muy claro), de lo mejor que hay para introducirte en materia muy deprisa. El curso está bien de apoyo al libro, PERO no incluye nada de lo que indicas que necesitas. Es un libro sobre aprendizaje estadístico, NO sobre lo que demandas. Suerte. Isidro Hidalgo Arellano Observatorio Regional de Empleo Consejería de Empleo y Economía

Buenas, En R, como en la mayoría del software estadístico, no se utiliza ningún nivel de confianza sino que lo que se calcula es el p-valor asociado al contraste. De forma que cuanto más cerca de 0 esté el p-valor "menos credibilidad le damos a la hipótesis nula". Dicho mejor, debemos rechazar la hipótesis nula si el p-valor está por debajo de nuestro nivel de confianza. Por ejemplo,

Gracias Carlos. Yo también he visto el ejemplo que te pone chatGPT, pero la salida que te da no soy capaz de interpretarla. Os paso las ordenes y las respuestas de R de la propuesta de chatGPT Ejemplo.aov<- aov(P~TRAT+CORTE+REP) > summary (Ejemplo.aov) Df Sum Sq Mean Sq F value Pr(>F) TRAT 6 0.0028 0.00046 0.777 0.590 CORTE 2 0.5022 0.25110 424.542 <2e-16

Hola Javier, Si, cuando hablo de valor observado me refiero al valor real en campo y el predicho al que estiman los modelos. Disculpa, que no lo detallase así desde el principio. En mi caso trabajo con dos diferentes: Zero inflated y Binomial Negativo y me gustaría comprobar que diferencia (distancia) existe entre cada uno de ellos y la realidad. Estoy trabajando con los siguientes paquetes:

Buenos días a todxs, Estoy comparando la predicción de los valores (0, 1, 2, 3,.....hasta 13) frente a los observados. Con la idea de comparar el modelo Zero inflated y el Binomial negativo y ver cual presenta mas distancia frente a las predicciones observadas. Para ello introduzco los códigos en la consola: #Modelo ZIM pred<-round(colSums(predict(zeroinfl, type="prob") [,1:14]))

Muy buenas, quiero calcular correlaciones de Pearson entre dos variables (a,b) teniendo en cuenta una tercera (c). Para ello estoy usando una función llamada "pcor.test" (http://www.yilab.gatech.edu/pcor.html), que en realidad no está en ningún paquete de R, que yo sepa. ¿Alguien conoce una función similar en alguna librería de R? Por otro lado, para ver si me cuadraban los resultados,

Hola de nuevo Carlos, he probado a quitar esa variable categórica y me sigue dando el aviso... El Lun, 9 de Abril de 2018, 20:17, Carlos J. Gil Bellosta escribió: > Si, creo que el motivo del warning puede ser ese. Es hipotético, pero > plausible. Sobre todo cuando tienes más de un 90% de ceros. > > El coeficiente de ese nivel para el modelo de la mixtura (ceros vs > binomial >

hello, I work since a few time on R and i wanted to know how to obtain the Wald chi square value when you make a binary logistic regression. In fact, i have the z value and the signification but is there a script to see what is the value of Wald chi square. You can see my model below, Best regards, S??verine Erhel [Previously saved workspace restored] > m3 = glm(reponse2 ~ form +

Buenos días, *Muchas gracias, todas las aportaciones han sido bien útiles.* Las he tenido en cuenta y he pasado los datos con el R, siguiendo el siguiente comando: *modeloRTUN2<-lm(AVE.~ Tariff + d1 + d2 + d3 + d4 + d5 + d6 + d7 + d8 + d9+ d10 + d11+ d12+ d13+ d14+ d15+ d16+ d17+ d18+ d19+ d20 +d21 + Tariff*d1 + Tariff*d2 + Tariff*d10)* *summary(modeloRTUN2)* Siendo: AVE. = Variable

Hola. Me interesa meter una serie de regresiones lineales en una lista a la que voy a denominar L. El problema es que a posteriori necesito sacar valores de esas regresiones. Sin embargo, al llamar a L[1] este no es un objeto del tipo "lm" sino que es del tipo "list" y no puedo aplicarle funciones relacionadas con la regresión (tal y como puede ser hacer un summary para

Hola, Deseo simular un modelo logit con interacción, estimar sus coeficientes y comprobar si son o no parecidos al modelo teórico. Con este ejemplo obtengo que los coeficientes estimados no se asemejan mucho a los originales. ¿Se le ocurre a alguien cuál es el motivo de esta discrepancia? ¿y cómo solucionarlo? Muchas gracias Emilio logisticsimulation <- function(n){ dat <-

Hola Eric, A la que me refiero es a la que se utiliza para probar la independencia de dos variables entre sí, mediante la presentación de los datos en tablas de contingencia. Pero no se si se puede realiza esa prueba Chi-cuadrado ajustando por otra variable. Y no me refiero a si quiero probar la independencia de X1 y X2 y tengo además la variable *sexo*, realizar la prueba para entre X1 y X2

Estimad en s errer en s He hecho este modelo glm m1.pile<-glm(ger~tem+pot+time+I(tem^2)+I(tem^2):pot ,family="binomial" ,data=long.PILE ) Que nos da la probabilidad de germinación de una semilla en función de tem (Temperatura), pot (Humedad del suelo) y time (Tiempo que la semilla pasa en esas condiciones). Ahora quiero, para diferentes tem, pot

Hola a tod en s, queremos hacer una comparación entre dos lugares muy alejados entre sí en relación a la temperatura de cada sitio usando medias horarias de un período determinado. Sólo hay medidas de un sensor en cada sitio y queremos saber si las diferencias son significativas o no entre sitios/curvas. Hemos usado un test de Mann?Whitney U con la función wilcox.test (paired=F) ya que los

Un ejemplo con un modelo más simple: He especificado este modelo: >formula(m2.pile) ger ~ tem + pot + time Si hago predict me da: >predict(m2.pile,newdata=data.frame(tem=25,pot=0,time=3),type="response") 0.08243262 Extraigo los coeficientes: > coef(m2.pile) (Intercept) tem pot time -1.89521331 -0.02303313 4.74499714 0.02043222 Ahora calculo la

¿Quieres decir que para un nivel de una variable categorica todas las observaciones de la variable respuesta sean ceros? Gracias El Lun, 9 de Abril de 2018, 19:59, Carlos J. Gil Bellosta escribió: > ¿Podría ser que para algún nivel de alguna variable independiente > categórica solo hubiese ceros? En ese caso, casi seguro, aparecería ese > tipo de warning. > > El lun., 9 abr. 2018 a