Cómo comprobar los supuestos en R y Rstudio. [Chupitos de R]
HTML-код
- Опубликовано: 5 сен 2024
- #supuestos #assumptions #normalidad
*En torno, no entorno.
Si te gusta mi contenido y quieres, puedes pagarme un café en: ko-fi.com/chup... así no me dormiré mientras hago los chupitos.
En este videotutorial os explico por qué son importantes los supuestos paramétricos. Os explicaré cuáles son los supuestos para el OLS y sobre todo cómo evaluarlos.
Realmente solo hay 4 supuestos básicos.
La linealidad.
La normalidad de los residuos.
La homescedasticidad de los residuos.
La independencia.
Con estos cuatro supuestos damos cobertura a todas las opciones dentro del OLS. Sino nos tocará emplear métodos robustos, transformaciones, o pruebas no paramétricas.
Como siempre toda la sintaxis en:
github.com/pab...
Artículo de referencia:
peerj.com/arti...
durbinWatson, Breusch-Pagan Test For Homoscedasticity, Non-constant Variance Score Test, shapiro
Eres un crack, Pablo, no te haces una idea de lo que he podido aprender gracias a tu canal, el mejor que he visto de R en español!
PD: Una pena que ya no siga en activo
Muchas gracias. Pues quiero retomar. Tuve un hijo, una mudanza intercontinental y varias cosas más que me han dificultado continuar con el proyecto. Pero como ves, no estoy desaparecido, ojalá pueda volver.
@@PabloVallejoMedina Bueno parece que son cambios a mejor. Tus fieles seguidores estaremos expectantes de la vuelta a los terrenos de juego
Muy bueno el video gran aporte a la investigación. Saludos y sigue adelante por favor.
Gracias, ya he vuelto a grabar videos. En breve los iré subiendo.
te felicito, nunca habia entendido este tema de los supuestos, ni la interpretacion de las graficas. De los mejores videos del tema de RL que he visto. Muchas gracias Pablo.
Muchas gracias, un saludo.
Saludos. Buena explicación. Respecto a la linealidad usan la prueba RESET de Ramsey (librería (lmtest)) para determinar si la regresión lineal está bien especificada. Tambien test de Mandel.
Muchas gracias!!!
Excelente explicación
Muchas gracias!!
Muy bueno el video, bastante claro.
Hay un tema que me llama mucho la atención cuando se verifican los supuestos de la regresión (o cualquier prueba paramétrica) y es el uso de los valores p no significativos. En realidad un valor p solo es informativo cuando es inferior a alfa (usualmente 0.05), por lo que un valor superior no nos dice nada respecto a los datos y tampoco sobre si se cumple el supuesto del modelo. Esto es super importante porque puede llevarnos a asumir que un modelo es adecuado, cuando no lo es.
Saludos!!
Síi, a mi me parece a fin de cuenta una cosa super subjetiva. Por eso apoyarse en cuestiones visuales es clave, con todo y con eso fallamos. Pero al menos cumplir unos mínimos ;)
Muy bien Pablo te felicito
Muchas gracias ;)
Excelente trabajo, Pablo. Ahora tengo más herramientas para estudiar y usar.
ME alegra ;)
Me gusto el video, muy informativo.
Tengo algunas observaciones que sería interesante discutir. Si los residuos son normales la variable respuesta debería ser normal porque el cálculo de los residuos se hace de forma lineal (resta) y los residuos heredarán la distribución de la variable respuesta. En mi institución recomiendan utilizar Anderson-Darling para comprobar la normalidad cuando los tamaños muestreales son mayor 30 y la prueba de Shapiro cuando son menores o iguales a 30. Los residuos estudentizados son de más uso para detección de valores influyentes, pero si los usas para evaluar la normalidad no se si esto afecta al resultado de la prueba (algo como normalizar los residuos). Saludos.
Hola, muchas gracias. Si en principio como tu dices se debería de poder extrapolar la normalidad de los errores a la de la variable. Aunque esto solo será así con variables continuas y que sigan distribuciones lineales. Es decir es riesgoso. Prefiero la fuente. Respecto a las técnicas hay muuuuchas. Pero con total honestidad. Yo que trabajo con muestras grandes casi siempre, no le paro bolas a este supuesto casi nunca. NO cambia nada, y su violación no suele comprometer nada ;) Pero no puedes poner eso Pablo... está bien entonces pon: la laxitud sobre este supuesto está en parte supeditada al tamaño muestral y a la intencionalidad del investigador.
Muy buen video.
Excelente video! Me ayudo muchisimo en mi trabajo!
Excelente video Pablo! super entendible, gracias!!!
De nada, un saludo!!!
Lo máximo! Videos como estos son invaluables!
Has oído @RUclips, por que no me quieres monetizar!!! Un saludo!
@@PabloVallejoMedina es una buena pregunta. Lo haré! Sabes si hay manera de poner like pero sin que se añada a tus favoritos. Esa es la principal razón por la que no pongo like.
@@luisroca835 No ni idea. No te preocupes ;).
@@PabloVallejoMedina tienes toda la razón! Es lo mínimo que puedo hacer. Todos tus vídeos son buenos!
@@luisroca835 No tranquilo, siéntete libre de darle like o no. Con que te guste el material es toda una alegría ;)
Gracias Pablo...
Un saludo Cristhian ;)
Excelente! Todo muy claro :)
Esta función del paquete performance (check_model) también puede ayudar a la visualización de supuestos en regresión :)
github.com/easystats/performance#comprehensive-visualization-of-model-checks
Esa función también está genial. Hay opciones que se quedan por fuera sino sería imposible. Muchas gracias como siempre.
Excelente video y muy clara explicación. Que lastima que solo se puede dar 1 me gusta :D.
1 me gusta y un comentario son perfectos ;)
Muchas Gracias me encantan tus videos👍 por que siempre pones el script que ahí siempre yo me equivoco y es de gran ayuda
Un placer ;)
Excelente. Saludos!
Muchas gracias Raidell ;)
Gracias. Saludos
De nada ;)!!!
Muchas gracias, muy claro.
Un saludo, muchas gracias ;)
Hola Pablo, de pronto, sabes en qué literatura puedo encontrar eso que comentabas de que los supuestos se comprueban es a los residuos y no a las variables?
Claro, cualquier libro serio de metodología. Pero si necesitas un soporte para un paper, creo que este está bien:
peerj.com/articles/3323/
Hola,. Estoy necesitando comprobar los supuestos en estadística bayesiana. Tenes algún video al respecto? Gracias!
Hola Pablo: excelente video, pero siempre he tenido una duda sobre los supuestos, ya que pienso que hay dos que son redundantes y es la autocorrelacion y la independencia; si mis residuos son incorrelados, es que son independientes. Sácame de esta duda existencial que tengo. :))))))
Hola Kathia, sí pero no ;). échale un ojo a este paper -que está en la descripción-. Seguro te saca de dudas.
peerj.com/articles/3323/
Excelente video. Me queda una duda, porqué no usar Levene para la homocedasticidad? Saludos!!!
Hola, muchas gracias. He dicho yo que no se deba usar Levene? a ver este tipo de análisis tienen el problema de que todo recae en el pvalue y por tanto en el tamaño muestral. Es un análisis válido, pero creo que hay otros más completos. Acá te dejo algo en inglés que sigue con mi idea:
It relies too much on p-values, and therefore, sample sizes. If the sample size is large, Levene’s will have a smaller p-value than if the sample size is small, given the same variances.So it’s very likely that you’re overstating a problem with the assumption in large samples and understating it in small samples. You can’t ignore the actual size difference in the variances when making this decision. So sure, look at the p-value, but also look at the actual variances and how much bigger some are than others. (In other words, actually look at the effect size, not just the p-value).
The ANOVA is generally considered robust to violations of this assumption when sample sizes across groups are equal. So even if Levene’s is significant, moderately different variances may not be a problem in balanced data sets. Keppel (1992) suggests that a good rule of thumb is that if sample sizes are equal, robustness should hold until the largest variance is more than 9 times the smallest variance.
This robustness goes away the more unbalanced the samples are. So you need to use judgment here, taking into account both the imbalance and the actual difference in variances.
¡Muy buen video! Like y Subscripción.
Mi duda sería por qué hay tantos pero tantos videos en RUclips donde la gente aplica el test de normalidad y homocedasticidad a la variable respuesta en vez de a los residuos. Tengo que decir que muchas veces el p value es el mismo cuando se le aplica a las variables que a los residuos, eso sí.
Hola, síIIII es cierto. A ver muchas veces va a ser igual, pero inténtalo cuando tengas una regresión logística binomial. Cuando la variable es dicotómica ya estamos agrandando el error. Pero vaya, yo mismo me equivoco en muchas cosas en los videos y como youtube le sienta muy mal que borremos los vídeos así se quedan (como máximo con una adenda ;).
Hola brother. Saludos desde Colombia....tengo una duda si en mi prueba Shapiro. Mi p-value es menor a 0.05. Que puedo hacer como debo proceder si la normalidad de mis residuos no son normales....te agradezco mucho cualquier comentario
Una opcion es realizar la "transformacion" de tu variable de respuesta (Y)...
Hola Pablo. Muy buen video!! Tengo una consulta esto podria hacerse de la misma manera para untest de asociacion de variables parametricas?( t-test, anova, pearson, etc?) O solo modelos de regresion? Recuerdo que un chupito dijiste que todo era regresion, aunque no entiendo porque pero te creo jajaja. Saludos desde Chile, voy siguiendo los videos lento pero seguro💪🏻 y estoy suscrito con likes en cada uno
Me refiero a los comandos, no que en cada prueba haya que evaluar estos supuestos
Jajajja, tooodo es regresión. Llegará un punto en que te darás cuenta y cuando eso suceda estarás por encima del bien y del mal ;). Para todas las paramétricas debería ser así. Pero se puede flexibilizar un poco algunos, sobre todo a grandes tamaños muestrales.
@@PabloVallejoMedina jajajaj muchas gracias Pablo, espero que puedas seguir subiendo videos como antes, cuando saque mi primer artículo cientifico pondré en agradecimientos a Chupitos de R😂
@@eduardomoya8447 Sí, estoy en un momento convulso de mi vida y no tengo ni tiempo ni energía para subir más. Pero en septiembre volveré.
Hola, gracias por el video, me saco de un apuro, es solo que no puedo correr en R durbinWatsonTest ni tampoco la prueba de Breusch-Pagan bptest, ya instale la paqueteria MASS
Cual podría ser la razón?
library(lmtest)
@@fabriciomiergoyes9938 gracias
Hola! Tengo una consulta para utilizar el shapiro.test. Quise ejecutar la prueba de normalidad pero el programa me limita a un tamaño muestral de 3 hasta 5000 y justo mi proyecto tiene más de 8K. Existirá otro test de shapiro para poder aplicarlo a mi tamaño de muestra?
Saludos y gracias!
Hola Renato, yo nunca utilizaría ese test para una muestra tan grande. Más de 50 personas ya no se recomienda usar Shapiro. Tienes un tamaño muestral muy grande yo me decantaría por un multimétodo multifuente:
Kolmogorov-Smirnov y modificación de Lillefors. La función lillie.test() del paquete nortest permite aplicarlo.
Test de normalidad de Jarque-Bera ... jarque.bera.test() del paquete tseries
y el gráfico Q-Q. Con eso te vas a hacer una idea más correcta. Un saludo.
@@PabloVallejoMedina Muchas gracias por la explicación Pablo!
Muchas gracias. ¿Cuál va a ser el siguiente vídeo?
T test de muestras relacionadas. Ya está grabado. Luego imputación de valores perdidos utilizando forest
@@PabloVallejoMedina Muchas gracias, Pablo.
Hola a todos :D ¿por qué en el 17:53 dice que "3.48...e-14" es menor que cero si comienza con 3.48? lo mismo en 22:05.
¿A caso "3.48...e-14" debe entenderce como "0.00000000000000348..."?
No he contando los ceros, pero sí, estas en lo cierto. Es eso.
@@PabloVallejoMedina Muchas gracias :D que maravilloso tu apoyo
te odio aurelio guevara