Procedimientos de SPSS Modelos Avanzados

MIXTOS -Ajuste una gran variedad de modelos mixtos.

Los modelos lineales mixtos mejoran el Modelo Lineal General utilizado en el procedimiento GLM, as� puede analizar datos que muestran correlaci�n y variabilidad no constante.

• Comprende los modelos siguientes:
• -Modelo ANOVA de efectos fijos.
• -Dise�o de aleatorizaci�n de bloques completos
• -Dise�o de diagramas de dispersi�n.
• -Modelo de efectos puramente aleatorios.
• -Modelo de coeficiente aleatorio.
• -An�lisis multinivel
• -Modelo lineal de crecimiento incondicional
• -Modelo lineal de crecimiento con covarianza de Pearson
• -An�lisis de medidas repetidas
• -An�lisis de medidas repetidas con covarianza dependiente del tiempo
• Elecci�n de la opci�n para aplicar los pesos de las frecuencias.
• Seis estructuras de covarianzas: Autoregresivo de primer orden, Simetr�a compuesta, Huynh-Feld, Identidad, No estructurado, Componentes de la varianza.
• Once tipos de covarianzas no espaciales: Antidependencia de 1� orden, Heterog�nea, Autoregresivo de 1� orden, ARMA (1,1), de Simetr�a heterog�nea compuesta, de Simetr�a compuesta con parametrizaci�n y correlaci�n, Diagonal, Factor anal�tico de1� orden, Toeplitz, Toeplitz heterog�nea, correlaciones no estructuradas.
• Criterio de control del algoritmo iterativo utilizado en la estimaci�n y especificar la tolerancia num�rica para probar la singularidad: Nivel del Intervalo de Confianza, Criterio de la Funci�n de Convergencia de M�xima Verosimilitud, M�ximo n�mero de iteraciones, Criterio de convergencia de par�metros estimados (absoluta y relativa), M�ximo Step-Halving permitido, Aplicaci�n del algoritmo de resultados, Valores como tolerancia probando la singularidad.
• Especificaci�n de los efectos fijos en modelo mixto: no interceptaci�n, sumas de cuadrados (tipo I, tipo III).
• Especificaci�n de los efectos aleatorios: identificaci�n de los temas, estructura de la covarianza (Autoregresivo de primer orden, Simetr�a compuesta, Huynh-Feld, Identidad, No estructurado, Componentes de la varianza).
• Atendiendo al tipo de covarianza que se especifique, los efectos aleatorios especificados en el subcomando RANDOM deben ser correlacionados.
• M�todos de estimaci�n: M�xima Verosimilitud, M�xima Verosimilitud estricta.
• Valores perdidos: Exclusi�n de ambos: tanto los fijados por el usuario como los fijados por el sistema.Trato de los valores perdidos como v�lidos.
• Opciones de impresi�n: Matriz de correlaciones asint�ticas de los efectos de los par�metros estimados, matriz de covarianzas, asint�ticas de los efectos fijados de los par�metros estimados, Resumen de los casos procesados, Estad�sticos descriptivos. Matriz de covarianzas estimadas de efectos aleatorios, Historial de iteraciones, Funciones estimables, Matriz de covarianzas estimadas de los residuos, Soluciones para los efectos (fijados y aleatorios), test de los par�metros de la covarianza.
• Subcomando REPEATED para especificar la matriz de covarianzas de los residuos en el modelo de efectos mixtos: identificaci�n de de los temas, estructura de la covarianza (Autoregresivo de primer orden, Simetr�a compuesta, Huynh-Feld, Identidad, No estructurado, Componentes de la varianza).
• Almacenado de los valores fijados pronosticados, valores pronosticados, residuos.
• Subcomando TEST para personalizar test de hip�tesis especificando directamente hip�tesis nulas como combinaciones lineales de los par�metros.
• Divisor para los coeficientes de los efectos aleatorios.
• Almacenado de los errores est�ndar de la predicci�n.
• Subcomando para los efectos fijos, que muestra el significado marginal de las variables dependientes estimadas en las celdas y sus errores est�ndar para los factores especificados.

GLM - Modelo lineal general, con los modelos siguientes:

• Selecci�n de pruebas de falta de ajuste univariadas y multivariadas.
• Modelo de regresi�n.
• ANOVA, ANCOVA, MANOVA Y MANCOVA de efecto fijo.
• ANOVA y ANCOVA aleatorios o mixtos.
• Medida repetida: univariada o multivariada.
• Dise�o multivariado Doubly.
• Cuatro tipos de sumas de cuadrados.
• M�todo de parametrizaci�n completa para estimar par�metros en el modelo.
• Prueba de hip�tesis lineales generales para los par�metros del modelo.
• Escritura de una matriz de varianza o correlaci�n de las estimaciones de par�metros del modelo en un archivo de datos matriciales.
• Diagramas: de dispersi�n frente a de nivel, residual y perfil.
• 19 pruebas post-hoc para medias observadas de las celdas.
• T�rmino de error especificado por el usuario en el an�lisis post-hoc.
• Medias marginales de poblaci�n estimadas para medias de celdas pronosticadas.
• Almacenado de 10 variables temporales en el archivo activo.
• N�mero ilimitado de factores.
• N�meros fraccionarios en los subcomandos Lmatrix, Mmatrix y Kmatrix.
• Comparaciones por pares de medias marginales esperadas.
• Prueba de hip�tesis lineales de un efecto frente a una combinaci�n lineal de efectos.
• Opci�n de almacenado de la matriz de dise�o.

PLUM - Predicci�n de variables ordinales con m�s de dos categor�as.

VARCOMP - Estimaci�n de los componentes de la varianza, que incluye:

• M�todos de estimaci�n: ANOVA MINQUE, M�xima Verosimilitud (ML) y M�xima Verosimilitud Restringida (REML).
• Sumas de cuadrados de tipo 1 y tipo 3 con el m�todo ANOVA.
• Elecci�n de m�todos de ponderaci�n cero o uniforme.
• Elecci�n de m�todos de c�lculo ML y REML: m�todo de puntuaci�n de Fisher o Newton-Raphson.
• Almacenado de estimaciones de componentes de varianza y matriz de covarianza.
• M�todos de estimaci�n: ANOVA MINQUE, M�xima Verosimilitud (ML) y M�xima Verosimilitud Restringida (REML).

LOGLINEAL - Modelos generales de tablas de contingencia multifactoriales.

• Estimaci�n de verosimilitud m�xima.
• Modelos: saturado, particiones de un solo grado de libertad jer�rquicas o no jer�rquicas, modelos LOGIT.
• Frecuencias observadas y esperadas.
• Residuos tipificados y no tipificados.
• Estimaciones de par�metros.
• Ponderaci�n de celdas y especificaci�n de cero estructural.
• Diagramas de residuos corregidos frente a frecuencias observadas y esperadas.
• Diagramas con probabilidad normal y sin tendencias de residuos corregidos.
• Raz�n de verosimilitud y chi cuadrado de Pearson.
• Contrastes: igual que en MANOVA.

HILOGLINEAL - Modelos loglineales jer�rquicos para tablas de contingencia multifactoriales.

• M�todos de entrada simult�nea y eliminaci�n regresiva.
• Estimaciones de par�metros y asociaciones parciales para modelos saturados.
• Especificaci�n de criterios: convergencia, m�ximo de iteraciones, probabilidad de chicuadrado para el modelo, m�ximo de pasos.
• Ponderaci�n de celdas especificada y orden m�ximo de los t�rminos.
• Diagramas de residuos tipificados frente a frecuencias observadas y esperadas.
• Diagramas con probabilidad normal de residuos tipificados.

GENLOG - Ajusta los modelos loglineal y logit con datos de frecuencia por medio de modelos lineales generalizados (GLM).

• Ajusta los modelos loglineal y logit.
• Ajusta dos modelos: estimaci�n de m�xima verosimilitud bajo el modelo loglineal de Poisson y modelos loglineales multin�micos.
• Exponencial de Beta.
• El m�todo GLM permite tratar datos no organizados.
• Especificaci�n de la estructura de celdas.
• Especificaci�n del dise�o de los modelos con la sintaxis del modelo GLM.
• Admite ceros estructurales.
• Impresi�n de estad�sticos de bondad de ajuste chi cuadrado.
• Utilidad de raz�n de log-ventajas generalizada que prueba si las razones log-ventajas generalizadas espec�ficas son iguales a cero, e imprime los intervalos confidenciales.
• Estad�sticos de celdas que incluyen la frecuencia esperada; residuo tipificado; residuo no tipificado, corregido y de la desvianza.
• Incluye funciones de residuos generalizados.
• Diagramas de diagn�stico que incluyen diagramas de dispersi�n de alta resoluci�n y diagramas con probabilidad normal de estad�sticos de residuos.
• Impresi�n de estimaciones de par�metros, junto con correlaciones y covarianzas de las estimaciones.

SURVIVAL - An�lisis de tablas de mortalidad.

• Tablas de mortalidad para grupos individuales.
• Longitudes de intervalos variables.
• Diagramas: distribuci�n de supervivencia acumulada en escala logar�tmica o lineal, funci�n de impacto, funci�n de densidad.
• Comparaciones de subgrupos.
• Diagrama de uno menos la funci�n de supervivencia.

KAPLAN-MEIER - Estimaci�n de la duraci�n de un evento con los m�todos de estimaci�n de Kaplan-Meie.

• Definici�n de factores y estratos.
• Diagramas: funciones de impacto acumulado, supervivencia acumulada y logar�tmica.
• Presentaci�n de casos marcados y censurados.
• Almacenado de variables en un archivo: n�mero de eventos acumulados, error t�pico, funci�n de supervivencia.
• Presentaci�n de estad�sticos: eventos y supervivencia acumulados, media y mediana de los tiempos de supervivencia con errores t�picos, n�mero a riesgo, percentiles solicitados, error t�pico.
• Pruebas de igualdad de distribuciones de supervivencia: Breslow, log rango, Tarone.
• Especificaci�n de un componente de tendencia para niveles de factor con una m�trica.
• Diagrama de uno menos la funci�n de supervivencia.

REGRESI�N DE COX - Impactos proporcionales con covariables dependientes del tiempo.

• Contrastes: igual que para la regresi�n log�stica.
• Definici�n de estratos para estimar funciones de l�nea base independientes.
• M�todos: por pasos regresivo y progresivo, entrada directa.
• Diagramas: supervivencia acumulada, impacto, diagramas log menos log para cada estrato.
• Eliminaci�n de variables: cambio en raz�n de verosimilitud, condicional, Wald.
• Almacenado de variables en un archivo: funciones de impacto y supervivencia de l�nea base con sus errores t�picos, funci�n de impacto acumulada, cambio en beta, funci�n de supervivencia log menos log, residuos, funci�n de supervivencia.
• Diagrama de uno menos la funci�n de supervivencia.