Temas principales:
- Modelos lineales, generalizados y mixtos. Introducción y repaso de conceptos fundamentales en mo
delos lineales, modelos mixtos y modelos lineales generalizados. - Estimación en modelos lineales generalizados mixtos. Aproximaciones y otros aspectos computacionales
- Pruebas de hipótesis. Funciones estimables y predecibles. Pruebas de cociente de verosimilitud y Wald.
- Estructuras de covarianza residual. Selección de modelos. Estructuras para datos longitudinales y espaciales.
- Construcción de modelos lineales generalizados mixtos. Aplicaciones para datos Poisson, Bernoulli, binomial, gamma y otras distribuciones.
- Aplicaciones de MLGM para datos multinivel, longitudinales y con diseños experimentales complejos.
Modalidad: 20 horas de contacto en clases teórico-prácticas y discusión de problemas de aplicación. Se discutirán ejemplos reales de aplicación, analizando los datos con R (lme4) y SAS (Proc GLIMMIX en SAS University edition).
Bibliografía:
Agresti, A. (2015) Foundations of Linear and Generalized Linear Models. Wiley (New York).
Cody, R. (2015). An Introduction to SAS University Edition. Cary (NC): SAS Institute, Inc.
Benjamin M. Bolker, Mollie E. Brooks, Connie J. Clark, Shane W. Geange, John R. Poulsen, M. Henry H. Stevens, Jada-Simone S. White (2008) Generalized Linear Mixed Models: A Practical Guide for Ecology and Evolution. Trends in Ecology and Evolution 24: 127-135
Gbur, E.E., W.W. Stroup, K.S. McCarter, S. Durham, L.J. Young, M. Christman, et al. (2012) Analysis of Generalized Linear Mixed Models in the Agricultural and Natural Resources Sciences. American Society of Agronomy (Madison, WI).
Molenbergs, G. y G. Verbeke (2006) Models for Discrete Longitudinal Data. Springer-Verlag (New York).
SAS Institute Inc. (2014). SAS University Edition. http://www.sas.com/en_us/software/university-edition/download-software.html
Stroup, W. (2013) Generalized Linear Mixed Models: Modern Concepts, Methods and Applications. CRC Press (Boca Raton, FLA).