jueves, 3 de junio de 2021

Regresión múltiple con error estándar robusto en SPSS


En el modelo de regresión se asume el principio de homoscedasticidad (la varianza de los errores en el modelo de regresión es constante), si esto no es así (heteocedasticidad) se producen sesgos en la inferencia que deberíamos tener muy en cuenta. Es decir, la variabilidad de los errores varía incrementándose o disminuyendo en función de los predictores, por ejemplo. Con objeto de resolver este problema una de las soluciones es el uso de algoritmos OLS en regresión.

domingo, 21 de febrero de 2021

Introducción al uso de JASP para estimar redes de correlación

Mostraremos brevemente cómo estimar redes de correlación (Epskamp et al., 2012) en JASP, facilitando la interpretación de las variables correlacionadas que frecuentemente se usan en Ciencias del Comportamiento, visualizando las estructuras psicométricas de las escalas de medida. Este tipo de algoritmos modela las interacciones de un número grande de variables, donde se estima la estructura de forma directa, donde usaremos lo conceptos de nodos para señalar a las variables observadas mientras los bordes son las relaciones entre esos nodos. Por defecto, se suele visualizar los bordes azules indicando asociaciones positivas, mientras que los bordes rojos referencias relaciones   negativas. Los bordes más gruesos (oscuros) indican asociaciones más fuertes que los bordes más delgados (claros).

Los datos que vamos a utilizar en nuestro ejemplo corresponde a una muestra de 295 funcionarios de prisiones procedentes de diferentes establecimientos penitenciarios de España. A los cuales se les ha pasado un escala que contiene 10 variables relevantes (Clima1-Clima10).

Para ejecutar el procedimiento en JASP, lo primero deberemos seleccionar la pestaña correspondiente: