El miércoles 5 de mayo alas 14 horas tendrá lugar un Seminario IESTA titulado Magnitudes de efecto de variables explicativas en modelos lineales (generalizados) y estará a cargo de Pablo Inchausti (CURE- Maldonado-UDELAR).
ID: 895 1462 8879
Contraseña: k!7yDCtCM4
Resumen
Estimar las relaciones entre las variables explicativas (numéricas y categóricas) y el valor esperado de la media variable de respuesta es el objetivo central de la inferencia estadística univariada. La práctica común en la inferencia estadística frecuentista (o clásica) es emplear la significancia estadística como criterio de demarcación para decidir la "importancia" o "relevancia" de dichas relaciones. El uso y abuso de los tests de significancia estadística son la principal causa de la crisis de la repetibilidad que afrontan ciencias como la psicología, biología, neurociencias y economía, en la que 30-40% de los resultados estadísticamente significativos no pueden ser posteriormente replicados en experimentos independientes. Una de las soluciones propuestas a esta crisis es el uso de métricos de magnitud de efecto que denotan la relevancia de las relaciones entre variables, más allá de su significancia que es básicamente función del tamaño muestral. Todo análi sis de datos con tamaños de muestra lo suficientemente grandes encontrará que cualquier magnitud de efecto irrelevante en la práctica se vuelve estadísticamente significativa. Es crítico emplear métricos de magnitud de efecto que sean fácilmente calculables e interpretables tanto para los analistas de datos como para el público general. Se discutirá el cálculo e interpretación de diversos métricos de magnitud de efecto para el Modelo Lineal General, y se plantean desafíos existentes y no resueltos para el Modelo Lineal Generalizado (GLM).
Mail de contacto: Esta dirección de correo electrónico está siendo protegida contra los robots de spam. Necesita tener JavaScript habilitado para poder verlo.