DISEÑOS FACTORIALES Y ANÁLISIS DE EXPERIMENTOS EN CIENCIAS NATURALES

Sociedad de Amigos del Museo (SAM), Museo Nacional de Ciencias Naturales (CSIC, Madrid), 23 de Enero al 3 de Febrero 2017

Grupo de Biogeografía Ecológica Integrativa

TEMARIO:

Entendiendo los diseños factoriales

* Tipo de variables respuesta y predictoras (gausianas, gamma, poisson, binomiales negativas, binomiales, multinomiales). Factores entre- y dentro-de sujetos. Factores fijos y aleatorios. Factores anidados.

* Modelos Generales y Generalizados Lineales. Transformación de variables (log, raíz y Box-Cox). Varianza y devianza. Parametrización de efectos no lineales mediante transformaciones polinomiales.

* Efectos simples, parciales e interacciones. Tipos de sumas de cuadrados (I, II y III) y sus equivalentes en modelos generalizados no gausianos. Partición de la variación: eta2 y eta2 parcial.

* Tablas de contrastes en diseños factoriales. Comparaciones planificadas.

* Revisión de los supuestos canónicos trabajando con los residuos de los modelos. Desvío de la normalidad de los residuos, heterocedasticidad de los residuos, heterogeneidad de varianzas en las celdas n-factoriales.

* Re-cálculo de coeficientes, errores estándar y significaciones utilizando las matrices de varianza-covarianza (estimadores sándwich, HC3 y HC4m).

* Estimas robustas, Bootstrapping y validación cruzada de los modelos.

* Comparación entre modelos usando el criterio de información de Akaike (IACc).

Tipos de diseños factoriales

* Diseños n-factoriales univariantes: AN(c)OVAs. Diseños de bloques, cuadrados latinos.

* Diseños n-factoriales multivariantes: MAN(c)OVAs

* Modelos mixtos I: diseños n-factoriales univariantes que mezclan covariantes, factores de efectos fijos y aleatorios. Establecimiento de términos error deseables y posibles.

* Modelos mixtos II: Aproximaciones de Kenward-Roger y Satterthwaite a la estima de los grados de libertad y significaciones. Aproximación de bootstrap paramétricos.

* Diseños de factores anidados con y sin celdas de interacciones vacías.

* Diseños de medidas repetidas. Diseños “split-plot”. Supuesto de esfericidad y simetría compuesta; corrección de grados de libertad y significaciones; aproximación multivariante.

Literatura seleccionada:

* Hairston, N.G. (1989). Ecological Experiments: Purpose, Design and Execution. Cambridge Studies in Ecology, Cambridge Univ. Press, Cambridge.

* Underwood, A.J. (1997). Experiments in ecology: their logical design and interpretation using analysis of variance. Cambridge Univ. Press, Cambridge.

* Scheiner, S.M.; Gurevitch, J. (2001). Design and analysis of ecological experiments. Chapman & Hall, New York.

* Quinn, G.P.; Keough, M.J. (2002). Experimental design and data analysis for biologists. Cambridge Univ. Press, Cambridge.

* Keppel, G. (1991). Design and analysis: a researcher’s handbook. Prentice Hall, New Jersey. Nueva versión.

* Maxwell, S.E.; Delaney, H.D. (1990). Designing Experiments and Analyzing Data. A model comparison perspective. Wadsworth Publishing Company, Belmont, CA. Nueva versión.

* Burnham, K.P.; Anderson, D. (2003). Model Selection and Multi-Model Inference. Springer.

* Davison, A.C.; Hinkley, D.V. (2007). Bootstrap methods and their application. Cambridge Univ. Press. [link]

PRESENTACIONES

DISEÑOS FACTORIALES GENERALES LINEALES EN R

DISEÑOS FACTORIALES GENERALIZADOS LINEALES CON R

DISEÑOS n-FACTORIALES COMPLEJOS

SCRIPTS de R

DISTRIBUCIONES DE VARIABLES CONTINUAS - SIMULACIONES

USO DE VARIABLES, MATRICES, BUCLES Y MODELOS SENCILLOS EN R. ERROR DE TIPO I y II

USO DE "AN INFORMATION CRITERION" DE AKAIKE - AIC(c)

DISEÑOS FACTORIALES GENERALES n-way AN(c)OVA

DISEÑOS FACTORIALES GENERALES DE ANOVA ENCAJADOS