Handout - Sesion 11 - No Notes
-
Upload
tayronagatta -
Category
Documents
-
view
239 -
download
1
description
Transcript of Handout - Sesion 11 - No Notes
14/10/2014
1
Andres Molano – CIFE - 2014
EDUC - 4026
Métodos Cuantitativos de Investigación
Andres Molano
Centro de Investigación y Formación en Educación&
Facultad de Ciencias Sociales
Universidad de los Andes
Andres Molano – CIFE - 2014
EDUC - 4026
Mapa del CursoCimientos de
InferenciaEstadística
Fundamentos deRegresión Linear
Interpretación ycomunicación
Generalizaciónde principios
1. Teoría, diseñosy Causalidad
2. InferenciaEstadística Básica
3. Análisis bi-variados
4. Análisis deVarianza
5. Regresiónlineal (predictor
continuo)
6. Regresiónlineal (predictor
categórico)
7. RegresiónMúltiple
8. Moderación enModelos deRegresión
9. Taxonomía deModelos
10. Evaluación deSupuestos de la
Regresión
11. Post-Estimación (eff.
Marginales)
12. Post-Estimación (Rep.
Grafica)
13. Mediacióncompleta (2SLS) 14. Regresión Logística 15. Probabilidades
Marginales
Andres Molano – CIFE - 2014
EDUC - 4026
Mapa del Curso (beta)Cortesía de John B. Willett
Análisis de RegresiónMúltiple
Análisis de RegresiónMúltiple
22110 XXY
1. Teoría, diseñosy Causalidad
Características de losPredictores y su interpretación
Binarios y Categóricos Continuos
Interacciones (a.k.a Moderación)
Taxonomía de Modelos
Evaluación deSupuestos de la
Regresión
AnálisisMultinivel
Análisislongitudinal
Post- Estimación
Efectosmarginales y
representacióngrafica
Continua Binaria
Mediacióncompleta(2SLS)
InferenciaCausal
EcuacionesEstructurales
14/10/2014
2
Andres Molano – CIFE - 2014
EDUC - 4026
Tabla 1. EDUC-4026: Parámetros estimados, valores p aproximados, y estadísticas de ajuste del modelo para una taxonomía demodelos de regresión evaluando la relación entre Ansiedad frente a las Matemáticas (ANXMAT1) y familiaridad reportada con elcontenido (FAMCON1) con el desempeño alcanzado en la prueba de PISA 2012 – componente de Matemáticas – por una poblaciónde adolescentes en 9 diferentes países de las Américas. n=2972
Modelos de regresiónM1 M2 M3 M4 M5 M6 M7 M8
Intercepto 501.86*** 239.89*** 335.22*** 272.14*** 275.66*** 256.54*** 273.70*** 218.48***ANXMAT1 -33.20*** -24.49*** -0.70 0.07 1.52 -4.09 -3.11FAMCON1 37.72*** 31.43*** 44.57*** 44.80*** 44.74*** 40.84*** 37.51***ANXMAT1byFAMCON1 -5.05*** -4.93*** -4.94*** -3.79** -3.92**FEMALE 15.27*** 23.41 15.34*** 13.14***ANXMAT1byFEMALE -3.07FAMCON1byFEMALE 0.04
WEALTH1 14.55***
BRAZIL -9.01 -4.30CHILE 20.57** 14.57*COLOMBIA -23.08*** -15.00*COSTA RICA 7.48 14.50*MEXICO 10.62* 18.64***PERU -44.34*** -27.87***URUGUAY 10.19 9.54USA 47.07*** 27.09***
R2 0.134 0.1873 0.2552 0.2588 0.2676 0.2679 0.3252 0.3697
Andres Molano – CIFE - 2014
EDUC - 4026
Interpretación de resultados estimados
• Algunas consideraciones– Trabajar con una taxonomía de modelos no quiere decir que
debemos interpretar, todos y cada uno de los modelos estimados.– Generalmente interpretamos exclusivamente el ultimo modelo
estimado. El énfasis debe estar en responder la pregunta deinvestigación, considerando posibles “explicaciones alternativas”
– En las próximas dos clases (miércoles y jueves) interpretaremosvarios modelos estimados como un recurso pedagógico.
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo 1:= + +
_cons 501.8676 4.431719 113.24 0.000 493.1781 510.5572ANXMAT1 -33.20729 1.546681 -21.47 0.000 -36.23997 -30.17462
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 19048651.2 2971 6411.52852 Root MSE = 74.512Adj R-squared = 0.1341
Residual 16489395.3 2970 5551.98495 R-squared = 0.1344Model 2559255.93 1 2559255.93 Prob > F = 0.0000
F( 1, 2970) = 460.96Source SS df MS Number of obs = 2972
. regress MATH ANXMAT1 if filter1==1
14/10/2014
3
Andres Molano – CIFE - 2014
EDUC - 4026
Intercepto estimado ( ) of 501.87:
El promedio estimado de MATH que corresponde a un valor de ANXMAT=0.
Pendiente Estimada ( ) of (-33.21):
La “diferencia” estimada en promedio de MATH por 1 punto (unidad) de “diferencia”en ANXMAT.
En promedio, cada 1 punto de diferencia en MATH esta asociado negativamente conuna diferencia estimada de 33.21 puntos en ANXMAT
En promedio, cada 1 punto de diferencia en MATH corresponde a una diferenciaestimada de -33.21 puntos en ANXMAT
_cons 501.8676 4.431719 113.24 0.000 493.1781 510.5572ANXMAT1 -33.20729 1.546681 -21.47 0.000 -36.23997 -30.17462
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
= 501.87 + (−33.21 × )
Andres Molano – CIFE - 2014
EDUC - 4026
Una de interpretar resultados es pensar en diferentes“personas prototípicas” en la población.
• Por ejemplo, cual seria el promedio estimado para una “persona”con niveles de ansiedad = 0, en la población?
• Si los mejores “estimados” del comportamiento de la población esnuestro modelo… podemos usar nuestro modelo estimado pararesponder esta pregunta.= + += 501.87 + (−33.21 × 1)= 501.87 + (−33.21 × 0)= 501.87
Andres Molano – CIFE - 2014
EDUC - 4026
Una de interpretar resultados es pensar en diferentes“personas prototípicas” en la población.
• De igual manera, cual seria el promedio estimado para una“persona” con niveles de ansiedad = 1.5, en la población?= + += 501.87 + (−33.21 × 1)= 501.87 + (−33.21 × 1.5)= 501.87 + (−49.815)= 452.055
14/10/2014
4
Andres Molano – CIFE - 2014
EDUC - 4026
Qué tal para “personas” con niveles deansiedad = 3 y 4.5, en la población?
== 501.87 + (−33.21 × 3)= 501.87 + −99.63= 402.24[ | = . ]= 501.87 + (−33.21 × 4.5)= 501.87 + −149.445= 352.425
= + += 501.87 + (−33.21 × 1)
Andres Molano – CIFE - 2014
EDUC - 4026
0 1 2 3 4.5ANXMAT1
501.87
468.66
452.05
Cuál es la diferencia entre 501.87 y 468.66?
402.24
352.42
Andres Molano – CIFE - 2014
EDUC - 4026
ANXMAT1MATH0 501.87
0.5 485.2651 468.66
1.5 452.0552 435.45
2.5 418.8453 402.24
3.5 385.6354 369.03
4.5 352.4255 335.82
501.87
468.66
435.45
402.24
369.03
335.82
300
350
400
450
500
550
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Est
imad
o de
MA
TH
ANXMAT1
14/10/2014
5
Andres Molano – CIFE - 2014
EDUC - 4026
Intercepto estimado ( ) of 501.87:
El promedio estimado de MATH que corresponde a un valor de ANXMAT=0.
Pendiente Estimada ( ) of (-33.21):
La “diferencia” estimada en promedio de MATH por 1 punto (unidad) de “diferencia”en ANXMAT.
En promedio, cada 1 punto de diferencia en MATH esta asociado negativamente conuna diferencia estimada de 33.21 puntos en ANXMAT
En promedio, cada 1 punto de diferencia en MATH corresponde a una diferenciaestimada de -33.21 puntos en ANXMAT
_cons 501.8676 4.431719 113.24 0.000 493.1781 510.5572ANXMAT1 -33.20729 1.546681 -21.47 0.000 -36.23997 -30.17462
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
= 501.87 + (−33.21 × )
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo 2:= + +
_cons 239.8906 6.68729 35.87 0.000 226.7784 253.0028FAMCON1 37.72102 1.442007 26.16 0.000 34.89359 40.54846
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 19048651.2 2971 6411.52852 Root MSE = 72.199Adj R-squared = 0.1870
Residual 15481718.3 2970 5212.69977 R-squared = 0.1873Model 3566932.91 1 3566932.91 Prob > F = 0.0000
F( 1, 2970) = 684.28Source SS df MS Number of obs = 2972
Andres Molano – CIFE - 2014
EDUC - 4026
Un ejercicio para usted:• Estime y grafique a partir de los parámetros del
modelo = + += 239.89 + (37.72 × )… los siguientes “valores predichos”[ | = 0][ | = 3]= 6[ | = 9]
14/10/2014
6
Andres Molano – CIFE - 2014
EDUC - 4026
0 3 6 9FAMCON1
Andres Molano – CIFE - 2014
EDUC - 4026
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo 3:= + + ( ) +
_cons 335.224 8.635619 38.82 0.000 318.2916 352.1564FAMCON1 31.43616 1.432557 21.94 0.000 28.62725 34.24506ANXMAT1 -24.4951 1.488855 -16.45 0.000 -27.41439 -21.5758
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 19048651.2 2971 6411.52852 Root MSE = 69.129Adj R-squared = 0.2547
Residual 14188206 2969 4778.78277 R-squared = 0.2552Model 4860445.2 2 2430222.6 Prob > F = 0.0000
F( 2, 2969) = 508.54Source SS df MS Number of obs = 2972
14/10/2014
7
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo 3:= + + += 335.22 + −24.49 × + (31.43 × )• Enfoquémonos por un momento en ANXMAT1, es
decir, fijemos a FAMCON1 en una constante….• Por ejemplo, en un valor de 0.[ = 0 = 0][ = 1 = 0][ = 2 = 0][ = 3 = 0][ = 5 = 0]
Andres Molano – CIFE - 2014
EDUC - 4026
335.22310.73
286.24261.75
237.26212.77
150
200
250
300
350
400
450
500
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Est
imad
o de
MA
TH
ANXMAT1
Cuál es la diferencia, estimada entre 335.22 y 310.73???
entre 310.73 y 286.24???
Andres Molano – CIFE - 2014
EDUC - 4026
Cuál es la diferencia, estimada entre 335.22 y 310.73???
entre 310.73 y 286.24???
_cons 335.224 8.635619 38.82 0.000 318.2916 352.1564FAMCON1 31.43616 1.432557 21.94 0.000 28.62725 34.24506ANXMAT1 -24.4951 1.488855 -16.45 0.000 -27.41439 -21.5758
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 19048651.2 2971 6411.52852 Root MSE = 69.129Adj R-squared = 0.2547
Residual 14188206 2969 4778.78277 R-squared = 0.2552Model 4860445.2 2 2430222.6 Prob > F = 0.0000
F( 2, 2969) = 508.54Source SS df MS Number of obs = 2972
14/10/2014
8
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo 3:= + + += 335.22 + −24.49 × + (31.43 × )• Ahora pongamos el énfasis en FAMCON1, fijando
ANXMAT en un valor de 0….[ = 0 = 0][ = 0 = 1][ = 0 = 3][ = 0 = 6][ = 0 = 9]
Andres Molano – CIFE - 2014
EDUC - 4026
335.22366.65
429.51
523.8
618.09
150
250
350
450
550
650
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5 5.5 6 6.5 7 7.5 8 8.5 9
Est
imad
o de
MA
TH
FAMCON1
Cuál es la diferencia, estimada entre 335.22y 366.65???
(366.65 – 335.22) = 31.43
Andres Molano – CIFE - 2014
EDUC - 4026
_cons 335.224 8.635619 38.82 0.000 318.2916 352.1564FAMCON1 31.43616 1.432557 21.94 0.000 28.62725 34.24506ANXMAT1 -24.4951 1.488855 -16.45 0.000 -27.41439 -21.5758
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
De acuerdo a nuestro modelo, estimamos que la media de MATH es 335.22, cuando todos lospredictores en el modelo son igual a cero. Este promedio, es estadísticamente diferente de 0, en la
población (p <.001)Nuestros resultados sugieren que, en promedio en la población, una unidad de diferencia en
ANXMAT1 esta asociada con -24.49 puntos de diferencia en los puntajes de MATH, controlandopor el efecto de FAMCON1. Esta asociación, es estadísticamente significativa, a un nivel de
α=0.05.
De igual manera, controlando por los efectos de ANXMAT, nuestros resultados sugieren que, enpromedio en la población, una unidad de diferencia en FAMCON1 esta asociada con 31.43 puntosde diferencia en MATH. Esta asociación, es estadísticamente diferente a cero ( t = -21.94, p <.001)
14/10/2014
9
Andres Molano – CIFE - 2014
EDUC - 4026
Para contar la historia tengo que fijar el otropredictor en 0?
• No!. Pero el modelo lo hace.• Qué pasa si quiero fijarlo en el promedio del
predictor por el cual estoy controlando?= 0 = 4.54 = 477.91= 1 = 4.54 = 453.66= 2 = 4.54 = 428.93= 3 = 4.54 = 404.44= 5 = 4.54 = 355.46Y la diferencia estimada entre 477.91 y 453.66?
24.49
Andres Molano – CIFE - 2014
EDUC - 4026
• Fijar el otro predictor en cualquiervalor, mientras sea constante, esigual a la noción de “control”estadístico.Eso es lo que el modelo hace!
Andres Molano – CIFE - 2014
EDUC - 4026
14/10/2014
10
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo 4:= + + +( × ) +
_cons 272.1423 18.6749 14.57 0.000 235.5253 308.7594ANXbyFAM -5.051464 1.326776 -3.81 0.000 -7.652959 -2.44997
FAMCON1 44.57486 3.735194 11.93 0.000 37.25103 51.89869ANXMAT1 -.7021004 6.4234 -0.11 0.913 -13.29687 11.89267
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 19048651.2 2971 6411.52852 Root MSE = 68.972Adj R-squared = 0.2580
Residual 14119247.7 2968 4757.15892 R-squared = 0.2588Model 4929403.56 3 1643134.52 Prob > F = 0.0000
F( 3, 2968) = 345.40Source SS df MS Number of obs = 2972
. regress MATH ANXMAT1 FAMCON1 ANXbyFAM if filter1==1
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo Estimado:= 272.14 + −0.70 × +44.57 × +(−5.05 ×y…. Entonces… como reportamos estosresultados?
Modelo con Interacción= + + +( × ) +
Andres Molano – CIFE - 2014
EDUC - 4026
• : Intercepto =272.14 El desempeño estimado en MATH, enpromedio en esta población, cuando FAMCON1 = ANXMAT1 = 0
• : Pendiente de ANXMAT =-0.70 “diferencia” promedio estimadaen MATH correspondiente a una unidad de diferencia en ANXMAT,controlando por FAMCON1
• : Pendiente de FAMCON1 =44.57 “diferencia” promedio estimadaen MATH correspondiente a una unidad de diferencia en FAMCON1,controlado por ANXMAT1
• : Efecto de interacción (ANXMAT × FAMCON1) =(-5.05)“diferencia” promedio estimada en el efecto de FAMCON1 enMATH correspondiente a una unidad de diferencia en ANXMAT1.
• “diferencia” promedio estimada en el efecto de ANXMAT1 enMATH correspondiente a una unidad de diferencia en FAMCON1.
14/10/2014
11
Andres Molano – CIFE - 2014
EDUC - 4026= 0 = 4.54 = 474.49= 1 = 4.54 = 450.86= 2 = 4.54 = 427.23= 3 = 4.54 = 403.60= 5 = 4.54 = 356.34= 0 = 3 = 405.85= 1 = 3 = 390.00= 2 = 3 = 374.15= 3 = 3 = 358.29= 5 = 3 = 326.59= 0 = 6 = 539.56= 1 = 6 = 508.56= 2 = 6 = 477.56= 3 = 6 = 446.55= 5 = 6 = 384.55
(474.49 – 450.86) = 23.63
(405.85 – 390.00) = 15.85
(539.56 – 508.56) = 31.00
Andres Molano – CIFE - 2014
EDUC - 4026
474.49
450.86
427.23
403.60
379.97
356.34
405.85390.00
374.15358.29
342.44326.59
539.56
508.56
477.56
446.55
415.55
384.55
300
350
400
450
500
550
600
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5ANXMAT1
FAMCON==4.54 FAMCON==3 FAMCON==6
15.85
23.63
31.00
Andres Molano – CIFE - 2014
EDUC - 4026
FINALMENTE…..
MUCHOS MASPREDICTORES EN ELMODELO
14/10/2014
12
Andres Molano – CIFE - 2014
EDUC - 4026
Modelo 8: = + ( ) + ( )+ ( × ) + ( ) +∝ ( ) +∝ ( ) +
_cons 218.4822 18.25928 11.97 0.000 182.68 254.2844CTR_9 27.09224 7.251793 3.74 0.000 12.87316 41.31131CTR_8 9.540111 6.997849 1.36 0.173 -4.181036 23.26126CTR_7 -27.87285 6.834641 -4.08 0.000 -41.27399 -14.47172CTR_6 18.64355 5.165947 3.61 0.000 8.514334 28.77276CTR_5 14.50431 7.133226 2.03 0.042 .5177233 28.4909CTR_4 -15.00301 6.143896 -2.44 0.015 -27.04975 -2.956264CTR_3 14.57559 6.451781 2.26 0.024 1.92516 27.22603CTR_2 -4.307751 5.450417 -0.79 0.429 -14.99475 6.379242
WEALTH1 14.5561 1.006792 14.46 0.000 12.58202 16.53018FEMALE 13.14229 2.378894 5.52 0.000 8.477831 17.80674
ANXbyFAM -3.926172 1.230877 -3.19 0.001 -6.339635 -1.512709FAMCON1 37.51754 3.478024 10.79 0.000 30.69795 44.33713ANXMAT1 -3.112262 5.956074 -0.52 0.601 -14.79073 8.566208
MATH Coef. Std. Err. t P>|t| [95% Conf. Interval]
Total 19048651.2 2971 6411.52852 Root MSE = 63.709Adj R-squared = 0.3670
Residual 12005938.8 2958 4058.80283 R-squared = 0.3697Model 7042712.46 13 541747.112 Prob > F = 0.0000
F( 13, 2958) = 133.47Source SS df MS Number of obs = 2972
. regress MATH ANXMAT1 FAMCON1 ANXbyFAM FEMALE WEALTH1 CTR_2 CTR_3 CTR_4 CTR_5 CTR_6 CTR_7 CTR_8 CTR_9 if filter1==1
Andres Molano – CIFE - 2014
EDUC - 4026
200
250
300
350
400
450
500
550
600
650
700
0 0.5 1 1.5 2 2.5 3 3.5 4 4.5 5
Val
ores
Pre
dich
os e
n Y
Variable Independiente
Grafico de Ejemplo para valores estimados a partir demodelo de regresion multiple
FAMCON|0 FAMCON|3 FAMCON|6 FAMCON|9