<html>
<head>
<meta http-equiv="Content-Type" content="text/html; charset=utf-8">
</head>
<body text="#000000" bgcolor="#FFFFFF">
<p>Muchas gracias Jose, absolutamente clara tu explicacion. Un
abrazo,</p>
<p>Eric.<br>
</p>
<p><br>
</p>
<br>
<div class="moz-cite-prefix">On 11/16/2017 05:51 AM, giltrapo wrote:<br>
</div>
<blockquote type="cite"
cite="mid:CABa4kEuGXb9oo9wkDbC-AV97bBgkwc4aWiek9uiAgT3ftWEpZA@mail.gmail.com">
<div dir="ltr">
<div>Hola, Eric.<br>
<br>
Tu recuerdo iba bien encaminado.<br>
<br>
Lo que ha ocurrido es que R ha creado variables <i>dummy</i>
con los factores que has introducido en tu modelo. De esta
forma el valor del coeficiente "intercept", la constante,
sería la media de los valores de referencia de ambas
variables, que en este caso serían "f" y "u" (precisamente los
niveles que no ves en tu output, ya que se crean k - 1
variables <i>dummy</i>, siendo k el número de niveles de cada
variable).<br>
<br>
Creo que la mejor forma de que entiendas qué significa esto a
la hora de interpretar tu modelo es haciendo el ejercicio de
estimar nuevas predicciones con esos datos.<br>
<br>
Si te fijas, en tu modelo se han calculado cuatro
coeficientes, el "intercept" y los tres coeficientes
correspondientes a las tres variables dummy creadas, de forma
que el modelo quedaría así:<br>
<br>
complect(x) = B0 + B1*x(m) + B2*x(par) + B3*x(pp)<br>
<br>
En este caso, al tratarse de variables cualitativas
(factores), la x no representa una cantidad, sino una
cualidad, es decir, las características concretas del
individuo, que o están presentes o no lo están. Si está
presente, le asignamos un 1 y si no, un 0.<br>
<br>
Por tanto, si un individuo es "f" y "u", entonces su
puntuación en "complect" se estimaría así (dejando aparte las
transformaciones pertinentes):<br>
<br>
complect = B0 + B1*0(m) + B2*0(par) + B3*0(pp)<br>
<br>
es decir, complect = 0.51438 <br>
<br>
Si quisieses estimar la puntuación de alguien que tiene los
niveles "f" y "par", lo harías así:<br>
<br>
complect = B0 + B1*0(m) + B2*1(par) + B3*0(pp)<br>
<br>
es decir, complect = 0.51438 - 0.01438<br>
<br>
Si fuese alguien con los niveles "m" y "pp" sería:<br>
<br>
complect = B0 + B1*1(m) + B2*0(par) + B3*1(pp)<br>
<br>
es decir, complect = 0.51438 - 0.00515 - 0.01308<br>
<br>
Y así sucesivamente.<br>
<br>
Espero haberme explicado bien.<br>
<br>
</div>
Por cierto, puedes ver cuáles son los niveles de referencia con
la función "contrasts". E incluso cambiarlos, en caso de que
quieras un grupo control distinto al que tienes ahora.<br>
<div><br>
Saludos.<br>
<br>
</div>
</div>
<div class="gmail_extra"><br clear="all">
<div>
<div class="gmail_signature" data-smartmail="gmail_signature">Jose
Ignacio</div>
</div>
<br>
<div class="gmail_quote">2017-11-16 4:01 GMT+01:00 eric <span
dir="ltr"><<a href="mailto:ericconchamunoz@gmail.com"
target="_blank" moz-do-not-send="true">ericconchamunoz@gmail.com</a>></span>:<br>
<blockquote class="gmail_quote" style="margin:0 0 0
.8ex;border-left:1px #ccc solid;padding-left:1ex">
<div text="#000000" bgcolor="#FFFFFF"> Estimada comunidad,
tengo una pregunta cuya respuesta no he podido encontrar
en la internet ... resulta que estoy usando GLM en R para
ajustar un modelo a unos datos de comprension lectora y
tengo dudas con la salida que me da R. Obtengo la
siguiente salida y la pregunta es por el significado de la
letra justo fuera del parentesis del nombre del factor en
la tabla de coeficientes. Por ejemplo, aparece
"factor(sex)m" ... esa "m" (que es uno de los niveles del
factor, el otro es "f"), que significa ahi ? alguna vez
lei (pero no puedo encontrarlo para estar seguro) que esa
letra mostraba el nivel que se ha ajustado primero y que
se ha fijado para calcular el beta ... o algo asi, es un
recuerdo muy vago el que tengo ... en el caso de
"factor(proceduc)" hay 3 niveles: par, pp, y u. La
pregunta es la misma, que implican para la interpretacion
de la tabla el hecho de que par y pp aparezcan fuera del
parentesis.<br>
<br>
Muchas gracias por su ayuda desinteresada en tiempos en
que todo es interes,<br>
<br>
Eric.<br>
<br>
<br>
<br>
Call:<br>
glm(formula = complect ~ factor(sexo) + factor(proceduc),
family = Gamma(link = "inverse"))<br>
<br>
Deviance Residuals: <br>
Min 1Q Median 3Q Max <br>
-0.62774 0.00000 0.00259 0.00259 0.46758 <br>
<br>
Coefficients:<br>
Estimate Std. Error t value
Pr(>|t|) <br>
(Intercept) 0.51438 0.02294 22.426
<2e-16 ***<br>
factor(sexo)m -0.00515 0.02470 -0.208
0.835 <br>
factor(proceduc)par -0.01438 0.04488 -0.320
0.750 <br>
factor(proceduc)pp -0.01308 0.02511 -0.521
0.604 <br>
---<br>
Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘
’ 1<br>
<br>
(Dispersion parameter for Gamma family taken to be
0.03571761)<br>
<br>
Null deviance: 3.2601 on 81 degrees of freedom<br>
Residual deviance: 3.2489 on 78 degrees of freedom<br>
AIC: 87.93<br>
<br>
Number of Fisher Scoring iterations: 4<br>
<br>
</div>
<br>
______________________________<wbr>_________________<br>
R-help-es mailing list<br>
<a href="mailto:R-help-es@r-project.org"
moz-do-not-send="true">R-help-es@r-project.org</a><br>
<a href="https://stat.ethz.ch/mailman/listinfo/r-help-es"
rel="noreferrer" target="_blank" moz-do-not-send="true">https://stat.ethz.ch/mailman/<wbr>listinfo/r-help-es</a><br>
</blockquote>
</div>
<br>
</div>
</blockquote>
<br>
<pre class="moz-signature" cols="72">--
Forest Engineer
Master in Environmental and Natural Resource Economics
Ph.D. student in Sciences of Natural Resources at La Frontera University
Member in AguaDeTemu2030, citizen movement for Temuco with green city standards for living
Nota: Las tildes se han omitido para asegurar compatibilidad con algunos lectores de correo.
</pre>
</body>
</html>