Este curso es una introducción al uso de Stata para adaptarse a modelos multinivel / mixtos. Los modelos mixtos contienen tanto efectos fijos análogos a los coeficientes en los modelos de regresión estándar como efectos aleatorios no estimados directamente sino resumidos a través de los elementos únicos de su matriz de varianza-covarianza. Los modelos mixtos pueden contener más de un nivel de efectos aleatorios anidados y, por lo tanto, estos modelos también se conocen como modelos multinivel o jerárquicos, particularmente en las ciencias sociales. El enfoque de Stata para los modelos lineales mixtos es asignar efectos aleatorios a paneles independientes donde se puede definir una jerarquía de paneles anidados para manejar efectos aleatorios anidados.
El curso será interactivo, utilizará datos reales y ofrecerá una amplia oportunidad para preguntas de investigación específicas y ejercicios de trabajo para reforzar lo aprendido. El curso se impartirá en cinco partes. Durante las primeras cuatro partes, la discusión se limitará a modelos lineales mixtos para respuestas continuas. La quinta parte se centrará en las respuestas binarias y de conteo.
Propuesta de Valor: ESTADÍSTICA - AUDITORIA - PLANIFICACIÓN - E-BUSINESS
Duración: 16 Horas
1.1. ¿QUÉ CONSTITUYE UN MODELO LINEAL MIXTO?
1.2. EL MODELO DE INTERSECCIÓN ALEATORIA
1.3. EL ESTIMADOR INTRA VERSUS EL ESTIMADOR DE MÍNIMOS CUADRADOS GENERALIZADOS (GLS); LA PRUEBA DE HAUSMAN
1.4. MÁXIMA VEROSIMILITUD Y MÁXIMA VEROSIMILITUD RESTRINGIDA
1.5. USO DE LOS COMANDOS XTMIXED Y XTREG PARA EL MODELO DE INTERSECCIÓN ALEATORIA
2.1. SUMANDO COEFICIENTES ALEATORIOS
2.2. ESPECIFICAR MODELOS JERÁRQUICAMENTE
2.3. ESTRUCTURAS DE COVARIANZA PARA EFECTOS ALEATORIOS
2.4. CURVAS DE CRECIMIENTO
2.5. TRANSFORMACIONES LINEALES DE COVARIABLES EN UN ENTORNO DE EFECTOS ALEATORIOS
2.6. PRUEBAS DE RAZÓN DE VEROSIMILITUD (LR)
3.1. MODELOS DE VARIOS NIVELES
3.2. MODELOS DE EFECTOS CRUZADOS
3.3. USANDO LA "R" DE STATA NOTACIÓN FACTORIAL PARA MODELOS MIXTOS
3.4. RESTRICCIONES COMPLEJAS Y AGRUPADAS EN LOS COMPONENTES DE LA VARIANZA
3.5. ERRORES RESIDUALES HETEROCEDÁSTICOS
3.6. ESTRUCTURAS ALTERNATIVAS DE ERROR RESIDUAL
4.1. LAS MEJORES PREDICCIONES LINEALES INSESGADAS (BLUP)
4.2. DERECHOS RESIDUALES DE AUTOR
4.3. AJUSTE DE DIAGNÓSTICO
4.4. GRÁFICOS DE DIAGNÓSTICO
4.5. CATALOGAR Y COMPARAR RESULTADOS DE MODELOS MIXTOS EN STATA
5.1. RESPUESTAS BINARIAS Y DE CONTEO
5.2. ESTIMACIÓN MEDIANTE CUADRATURA GAUSSIANA ADAPTATIVA
5.3. CONSTRUCCIÓN DE MODELOS UTILIZANDO LA APROXIMACIÓN LAPLACIANA
5.4. PREDICCIONES Y OTRAS TAREAS POSTERIORES A LA PRUEBA
La inversión incluye: Material de estudio, certificados e impuestos de ley.