BioestadísticaR: Práctica 10. Resumen_v0

Cheat sheet Práctica 10: Regresión lineal simple y correlación Juan Antonio Villatoro García –Grupo BioestadisticaR Todo el material para el conjunto de actividades de este curso ha sido elaborado y es propiedad intelectual del grupo BioestadisticaR formado por: Antonio Martín Andrés Juan de Dios Luna del Castillo, Pedro Femia Marzo, Miguel Ángel Montero Alonso, Christian José Acal González, Pedro María Carmona Sáez, Juan Manuel Melchor Rodríguez, José Luis Romero Béjar, Manuela Expósito Ruíz, Juan Antonio Villatoro García. Todos los integrantes del grupo han participado en todas las actividades, en su elección, construcción, correcciones o en su edición final, no obstante, en cada una de ellas, aparecerán uno omás nombres correspondientes a las personas que han tenido la máxima responsabilidad de su elaboración junto al grupo de BioestadisticaR. Todos los materiales están protegidos por la Licencia Creative Commons CC BY-NC-ND que permite "descargar las obras y compartirlas con otras personas, siempre que se reconozca su autoría, pero no se pueden cambiar de ninguna manera ni se pueden utilizar comercialmente". Práctica 10: © Juan Antonio Villatoro-García –Grupo BioestadisticaR Diagramas de dispersión Diagrama base de R: Función plot plot (x, y, main, xlab, ylab, pch, col) Regresión lineal simple y correlación x: variable que se representa en el eje X y: variable que se representa en el eje Y main: título del gráfico xlab: nombre del eje X ylab: nombre del eje Y pch: tipo de puntos (valores del 1-25) col: color de los puntos Librería car: Función scatterplot() scatterplot (y~x, data, smooth, regLine, boxplots = “”, main, xlab, ylab, col, pch) x: variable que se representa en el eje X y: variable que se representa en el eje Y smooth: indica si debe hacer un suavizado. Ponemos TRUE por defecto regLine: indica si debe representarse la recta de regresión (TRUE) o no (FALSE) boxplots: indica si hay representar los diagramas de cajas. Poner “” por defecto main, xlab, ylab, col, pch: igual que en la función plot Función scatterplotMatrix(): gráficos matriciales de dispersión scatterplotMatrix (~v1+v2+v3+…, data, smooth, main) v1,v2,v3: nombres de las variables del dataframe data: dataframe que contiene los datos smooth: indica si debe hacer un suavizado (TRUE) o no (FALSE). Ponemos TRUE main: título del gráfico Librería ggformula: Función gg_point: gráfico de dispersión identificando variables cualitativas gg_point(y ~ x, data, color=~variable, shape,alpha) x: variable que se representa en el eje X y: variable que se representa en el eje Y color: variable cualitativa que se distingue por colores shape: variable cualitativa mediante la cual se quiere señalar en la nube de puntos con una forma atendiendo a una modalidad apha: intensidad del color de los puntos ( de 0 a 1) Práctica 10: © Juan Antonio Villatoro-García –Grupo BioestadisticaR Regresión lineal simple Modelo: Función lm Regresión lineal simple y correlación lm(variable dependiente ~ variable independiente) β0β1 Test de Regresión Lineal Simple: Función summary(modelo.lm) summary(modelo.lm) Significación de la pendiente Significación de la ordenada en el origen Análisis descriptivo de los residuos R2: Coeficiente de determinación Significación de modelo de correlación lineal I.C. de los coenfientes: Función confit Confit(modelo.lm, level = 0,95) Representación de la recta en el diagrama de dispersión gl_ lm(variable dependiente ~ variable independiente, datos = data.frame) %>% gf_point() Representar la recta y los intervalos de confianza gf_point(variable dependiente ~ variable independiente, datos = data.frame) %>% gf_lm(interval="confidence", fill="skyblue")) Práctica 10: © Juan Antonio Villatoro-García –Grupo BioestadisticaR Regresión lineal simple Regresión lineal simple y correlación Residuos: Función resid() resid(modelo.lm) Valores ajustados: Función resid() fitted(modelo.lm) Otra forma de representar la recta diagrama de dispersión abline(modelo.lm) Correlación lineal Coeficiente de Pearson cor(variable dependiente, variable independiente) Coeficiente de Spearman cor(variable dependiente, variable independiente, method="spearman") Test de correlación: Función cor.test cor.test(variable 1, variable 2) cor.test(variable 1, variable 2, method="spearman") Inferencias sobre el modelo Pearson Spearman modelo.lm$coefficients[[1]] + modelo.lm$coefficients[[2]] * valor Por ejemplo: valor del szl24 para un sztri de 0.2856