Modelos mixtos aplicados a la productividad de hojarasca

Autores/as

  • José F. Zea Facultad de Estadística Universidad Santo Tomás
  • Miguel A. Murcia Universidad de Pamplona
  • Fidel E. Poveda Universidad Nacional de Colombia

DOI:

https://doi.org/10.15332/s2027-3355.2014.0002.04

Palabras clave:

caída de hojarasca, estructura de varianzas y covarianzas, modelos mixtos, regresión lineal.

Resumen

Se propone una metodología para realizar un ajuste de un modelo lineal mixto incorporando una estructura de varianza y de correlación serial adecuada partiendo desde el modelo de regresión lineal clásico siguiendo la estrategia de Zuur et al. (2009). Se utilizan diferentes gráficos de diagnóstico de los residuales y pruebas de razón de verosimilitud a fin de garantizar que la inclusión de determinados efectos fijos y aleatorios esté justificado e igualmente para hallar una estructura de varianzas y covarianzas que permita capturar la heteroscedasticidad y la correlación serial de los residuales del modelo. Se utilizan datos ecológicos tomados de un estudio llevado a cabo por Murcia (2013) en los alrededores de la cuenca del rio Pamplonita (Norte de Santader, Colombia), en dicho estudio se tomaron diferentes mediciones en los bosque altoandino y subandino, el peso de caída de hojarasca de 40 colectores ubicados en los dos bosques es cuantificado durante doce meses. Estos datos son analizados utilizando modelos mixtos. 

Citas

Davis, C. (2002), Statistical Methods for the Analysis of Repeated Measurements, Springer.

Fitzmaurice, G. (2008), Longitudinal Data Analysis, Chapman and Hill.

Gelman, A. (2007), Data Analysis Using Regression and Multilevel/Hierarchical Models, Cambridge University Press, New York.

Laird, N. M. & Ware, J. H. (1982), ‘Random effects models for longitudinal data’, Biometrics 38(4), 963–974.

Murcia, A. (2013), ‘Respiración del suelo en una comunidad sucesional de pastizal del bosque altoandino en la cuenca del río pamplonita’, Caldasia 30(2), 337– 353.

Pinheiro, J., Bates, D., DebRoy, S., Sarkar, D. & R Core Team (2014), nlme: Linear and Nonlinear Mixed Effects Models, http://cran.r-project.org/package=nlme edn.

Rao, C. R. (1973), Linear statistical inference and its applications, Wiley, New York.

Verbeke, G. & Molenberghs, G. (2000), Linear Mixed Model for Longitudinal Data, Springer, New York.

Zuur, A., Ieno, E., Walker, N., Saveliev, A. & Smith, G. (2009), Mixed Effects Models and Extensions in Ecology with R, Springer, New York.

Descargas

Publicado

2014-12-20

Cómo citar

Zea, J. F., Murcia, M. A., & Poveda, F. E. (2014). Modelos mixtos aplicados a la productividad de hojarasca. Comunicaciones En Estadística, 7(2). https://doi.org/10.15332/s2027-3355.2014.0002.04

Número

Sección

Artículos