Modelos lineales generalizados (GLM) con Jamovi

Este curso sobre regresión lineal y regresión logística está diseñado para aprender los fundamentos y aplicaciones prácticas de los dos modelos estadísticos más ampliamente utilizados.

A través de ejercicios prácticos, se explorarán las relaciones entre variables en conjuntos de datos del mundo real, lo que permitirá incluir múltiples variables explicativas en un modelo y hacer predicciones precisas.

Al final del curso, se comprenderá cómo las interacciones entre variables afectan las predicciones, cómo cuantificar el rendimiento del modelo y cómo diagnosticar problemas de ajuste. Además, se adquirirá una comprensión profunda del funcionamiento y las diferencias entre la regresión lineal y logística, lo que permitirá aplicar estos modelos de manera efectiva en proyectos propios de análisis de datos.

En este curso se utilizará el software estadístico Jamovi, una plataforma interactiva de análisis de datos de código abierto con una interfaz intuitiva y amigable permite a los usuarios realizar análisis estadísticos sin necesidad de tener conocimientos profundos en programación.

Objetivo General:
Proporcionar a los participantes los conocimientos y habilidades necesarios para realizar análisis de regresión múltiple y regresión logística (binomial y multinomial) utilizando Jamovi, facilitando la comprensión e interpretación de los resultados para aplicaciones en diversos campos de investigación.

Objetivos Específicos:

• Introducción a Jamovi. Conocer la interfaz y las funciones básicas de Jamovi.
• Introducción a la Preparación y Gestión de Datos. Importar, limpiar y transformar datos para su análisis en Jamovi.
• Comprender los conceptos fundamentales de la correlación, la regresión lineal y logística.
• Interpretar los resultados del análisis, incluidos los coeficientes y la significación estadística.
• Evaluar el ajuste del modelo utilizando métricas estadísticas.
• Diagnosticar y abordar problemas potenciales como la multicolinealidad, la heterocedasticidad y tipos de distribuciones.
• Generar informes profesionales de los análisis realizados. Comunicar eficazmente los hallazgos a través de gráficos y tablas.
• Aplicar la regresión lineal y logística a proyectos de análisis de datos.