5: Pruebas para múltiples variables de medición

Última actualización
Guardar como PDF

Page ID: 149143

\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)

5.1: Regresión lineal y correlación
Use correlación/regresión lineal cuando tenga dos variables de medición, como la ingesta de alimentos y peso, la dosis del medicamento y la presión arterial, la temperatura del aire y la tasa metabólica, etc. También hay una variable nominal que mantiene juntas las dos mediciones en pares, como el nombre de un organismo individual, ensayo experimental, o ubicación. No estoy consciente de que nadie más considere que esta variable nominal sea parte de correlación y regresión.
5.2: Correlación de rango de Spearman
Usa correlación de rangos de Spearman cuando tengas dos variables clasificadas, y quieres ver si las dos variables covarían; si, a medida que una variable aumenta, la otra variable tiende a aumentar o disminuir. También usa correlación de rangos de Spearman si tiene una variable de medición y una variable clasificada; en este caso, convierte la variable de medición a rangos y usa correlación de rangos de Spearman en los dos conjuntos de rangos.
5.3: Regresión curvilínea (no lineal)
En ocasiones, cuando analizas datos con correlación y regresión lineal, notas que la relación entre la variable independiente (X) y la variable dependiente (Y) parece que sigue una línea curva, no una línea recta. En ese caso, la línea de regresión lineal no será muy buena para describir y predecir la relación, y el valor P puede no ser una prueba precisa de la hipótesis nula de que las variables no están asociadas.
5.4: Análisis de Covarianza
Utilice el análisis de covarianza (ancova) cuando tenga dos variables de medición y una variable nominal. La variable nominal divide las regresiones en dos o más conjuntos.
5.5: Regresión Múltiple
Utilice regresión múltiple cuando tenga tres o más variables de medición. Una de las variables de medición es la variable dependiente (Y). El resto de las variables son las variables independientes (X); usted piensa que pueden tener un efecto sobre la variable dependiente. El propósito de una regresión múltiple es encontrar una ecuación que prediga mejor la variable Y como una función lineal de las variables X.
5.6: Regresión logística simple
Utilice regresión logística simple cuando tenga una variable nominal con dos valores (macho/hembra, muerto/vivo, etc.) y una variable de medición. La variable nominal es la variable dependiente, y la variable de medición es la variable independiente. Estoy separando la regresión logística simple, con una sola variable independiente, de la regresión logística múltiple, que tiene más de una variable independiente.
5.7: Regresión logística múltiple
Utilice regresión logística múltiple cuando tenga una variable nominal y dos o más variables de medición. La variable nominal es la variable dependiente (Y); estás estudiando el efecto que las variables independientes (X) tienen sobre la probabilidad de obtener un valor particular de la variable dependiente. Por ejemplo, es posible que desee conocer el efecto que tienen la presión arterial, la edad y el peso en la probabilidad de que una persona tenga un ataque al corazón en el próximo año.