Guía docente de Estadística II. Modelos Avanzados (M57/56/1/8)

- Modelos avanzados de regresión.

- Análisis de datos longitudinales.

- Introducción al meta-análisis.

- Otros modelos avanzados: Introducción conceptual a algunas técnicas multivariantes

La asignatura aborda el estudio del Modelo Lineal General. En los primeros temas se abordan los principios de diseño experimental y los modelos de análisis de la varianza, según los cuales una variable cuantitativa se explica en función de uno o varios factores. A continuación se generaliza este modelo para incluir factores cuantitativos, dando lugar a los modelos de regresión lineal. La combinación de ambas perspectivas da paso a una concepción más amplia, según establece el Modelo Lineal General. Bajo ella, los modelos contemplan de forma simultánea factores cuantitativos y cualitativos, siendo un caso particular los modelos de análisis de la covarianza (ANCOVA). Los dos últimos temas se dedican a extensiones del modelo de regresión (regresión logística y regresión no lineal) y al análisis de medidas repetidas y la elaboración de modelos lineales mixtos.

Un aspecto fundamental en la modelización es la validación del modelo, por tanto, en todos los modelos abordados a lo largo de la asignatura se prestará especial atención a su diagnosis.

Tener conocimientos de los fundamentos de la inferencia estadística aplicada a la actividad física y el deporte

Cognitivos 

• Familiarizar al estudiante con la modelización estadística Familiarizar al estudiante con el modelo lineal general (MLG) y sus implicaciones 
• Propiciar la construcción de un conocimiento interdisciplinar y la comprensión de los métodos y técnicas estadísticas desde su contextualización en el marco de las Ciencias de la Actividad Física y el Deporte 

Procedimentales 

• Desarrollar la capacidad de diseñar modelos estadísticos 
• Desarrollar la capacidad de ajustar y validar modelos estadísticos (bajo la perspectiva MLG) 
• Desarrollar la capacidad de interpretar los modelos obtenidos 
• Desarrollar la capacidad de comparar modelos alternativos 
• Desarrollar la capacidad de elaborar informes que contemplen la síntesis correcta de datos y resultados desde una perspectiva estadística 

Actitudinales 

• Estimular el interés hacia la metodología estadística como herramienta fundamental en la investigación empírica. 
• Motivar el uso de las tecnologías informáticas y de los recursos bibliográficos y documentales 

1. Introducción. Estudios comparativos con dos muestras. Métodos paramétricos y no paramétricos. Potencia estadística y tamaño del efecto. Comparaciones múltiples. Introducción al meta-análisis.
2. Estudios comparativos con más de dos muestras: Análisis de la varianza de 1 vía. Contrastes y análisis post‐hoc. Métodos no paramétricos.
3. Generalización del análisis de la varianza: ANOVA de 2 vías. Efectos fijos y efectos aleatorios. Diseños en bloques aleatorizados y diseños factoriales. Análisis de las interacciones.
4. Modelos de Regresión lineal. Regresión lineal simple. Validación del modelo. Regresión lineal múltiple. Supuestos del modelo y su validación.
5. Perspectiva global: el Modelo Lineal General, ANOVA, ANCOVA y regresión lineal múltiple.
6. Modelos de medidas repetidas. Diseños de medidas repetidas y modelos lineales mixtos.
7. Ampliaciones del modelo de regresión: regresión logística binaria y regresión no lineal.
8. Análisis de datos longitudinales.

Resolución de casos prácticos en el contexto de

• Análisis de la varianza de una vía
• Análisis de la varianza factorial
• Regresión lineal múltiple
• Análisis de la covarianza y modelo lineal general
• Medidas repetidas
• Regresión logística binaria
• Regresión no lineal

• Bioestadística+. Antonio Martín Andrés, Juan de Dios Luna del Castillo. Ed Norma-Capitel. 2010. 
• Introduction to Linear Regression Analysis Fith Edition. Montgomery, Douglas C., Peck, Elizabeth A., and Vining, G. Geoffrey. Chicester, US: John Wiley & Sons, Incorporated, 2013. 
• Statistical Modeling for Biomedical Researchers : A Simple Introduction to the Analysis of Complex Data Second Edition. Dupont, William D., and Dupont, William D.. Cambridge, GB: Cambridge University Press, 2009. 

Estadística con R

• BioestadísticaR 
• Chan, B (2015) Biostatistics for Epidemiology and Public Health Using R. Springer (Disponible en línea, Biblioteca UGR)
• Dalgaard, P (2008) Introductory Statistics with R. Springer (Disponible en línea, Biblioteca UGR)
• Le, CT and Eberly; LE (2016) Introductory Biostatistics. John Wiley & Sons (Disponible en línea, Biblioteca UGR)
• Sawitzki, G. (2009) Computational Statistics: an introduction to R. Boca Raton. CRC Press, (Disponible en línea, Biblioteca UGR)
• Schumacker & Tomek (2013) Understanding Statistics Using R. Springer (Disponible en línea, Biblioteca UGR)
• Stowell, S (2014) Using R for Statistics. Apress (Disponible en línea, Biblioteca UGR)
• Nedel, F. B. Moriña, D. y Utzet, M. (2016). Introducción a la estadística para ciencias de la salud con R-Commander. Universitat Autònoma de Barcelona. (Disponible en línea, Biblioteca UGR)
• Menard, S. (2002). Applied logistic regression analysis (No. 106). Sage.

Estadística con SPSS

• Documentación oficial de IBM‐SPSS: http://www‐01.ibm.com/software/analytics/spss/  (2011) IBM SPSS Basic Statistics 20 y  (2011) IBM SPSS Advanced Statistics 20. SPSS Inc
• Field, A. (2009) Discovering Statistics using SPSS for Windows (3rd Ed). SAGE Pub
• Leech, N.; Barret, K. & Morgan, G. (2004) SPSS for Intermediate Statistics ‐ Use and Interpretation (2nd Ed) Lawrence Erlbaum.
• Lizasoain, L y Joaristi, L. (1999). SPSS para Windows. Paraninfo.
• Landau & Everitt (2004) A Handbook of Statistical Analyses using SPSS. Chapman & Hall/CRC.
• Antonius, R. (2003) Interpreting Quantitative Data with SPSS. Sage Publishing.
• Chatterjee, S. & Hadi, A. S. (2007) Regression Analysis by Example (2nd Ed). Wiley. 

Textos de Estadística: 

• Peña Sánchez de Rivera, D. (2002) Regresión y diseño de experimentos. Alianza Universidad. 
• Vincent, W.J. (1999) Statistics in Kinesiology. Champaign, Human Kinetics 
   

-  Sección de Bioestadística de la Universidad de Granada http://www.ugr.es/local/bioest

-  SportSience: http://sportsci.org/

-  Página de R: http://www.r‐project.org/

-  Página de SPSS: http://www.spss.com

• MD02 Coloquios 
• MD24 Prácticas 

La evaluación ordinaria de la asignatura es mediante el siguiente sistema de evaluación continua: 

• Asistencia participativa a las clases y resolución de los ejercicios propuestos a lo largo del curso como evaluación continua (ponderación en la calificación final: 30%).
• Valoración final de un trabajo presentado por el/la alumno/a que deberá ser defendido públicamente (ante el resto del alumnado) al finalizar el curso (ponderación en la calificación final: 70%) se podrá proponer un examen como alternativa a la evaluación si no se considera que hay tiempo sufiente para la realización y defensa del trabajo. 

La prueba de evaluación en la convocatoria extraordinaria consistirá en un examen oral de tipo teórico-práctico en la que el/la estudiante, además de responder a las cuestiones planteadas por el examinador, deberá también defender el análisis de un problema que previamente se ha consensuado con el profesorado de la asignatura. 

Para acogerse a la evaluación única final, el/la estudiante de Máster, en las dos primeras semanas de impartición de la asignatura, o en las dos semanas siguientes a su matriculación si ésta se ha producido con posterioridad al inicio de la asignatura, lo solicitará, a través del procedimiento electrónico, a la Coordinación del Máster, alegando y acreditando las razones que le asisten para no poder seguir el sistema de evaluación continua. La Coordinadora del Máster, oído el profesorado responsable de la asignatura, resolverán la solicitud en el plazo de diez días hábiles. Transcurrido dicho plazo sin que el estudiante haya recibido respuesta expresa por escrito, se entenderá estimada la solicitud. 

La prueba de evaluación consistirá en un examen oral de tipo teórico-práctico en la que el/la estudiante, además de responder a las cuestiones planteadas por el examinador, deberá también defender el análisis de un problema que previamente se ha consensuado con el profesorado de la asignatura. 
 

Información de interés para estudiantado con discapacidad y/o Necesidades Específicas de Apoyo Educativo (NEAE): Gestión de servicios y apoyos (https://ve.ugr.es/servicios/atencion-social/estudiantes-con-discapacidad).

R, Studio, Jamovi