Aca se analiza si los valores promedios de conteo de n
Como se trata de variables de conteo la forma d ever si las diferencias de superficies erosionadas promedio por variables independientes son significativas, no es adecuado hacer prueba t ajustadas por diseño muestral, ya que existe mucha asimetría. Para eso se propone hacer modelos de regresion POisson usando como variables explicativas las usadas para evaluar promedios y la variable de respuesta, logaritmo de la cantidad media de erosiones
library(survey)
##
## Attaching package: 'survey'
##
## The following object(s) are masked from 'package:graphics':
##
## dotchart
options(OutDec = ",")
library(car)
## Loading required package: MASS
## Loading required package: nnet
# load('C:/Users/usuario/Dropbox/odontologia/maestria licet/octubre
# 2013/datos_licet_03112013.RData')
load("~/Dropbox/odontologia/maestria licet/octubre 2013/datos_licet_03112013.RData")
Bewes.poi6 <- svyglm(Bewes.ajust ~ Sexo.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi6)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Sexo.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,7183 0,1321 13,01 1,4e-15 ***
## Sexo.rec2-M 0,0917 0,0449 2,04 0,048 *
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,314)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi6, ~Sexo.rec)
## Wald test for Sexo.rec
## in svyglm(formula = Bewes.ajust ~ Sexo.rec, diseniopost1, family = quasipoisson())
## F = 4,166 on 1 and 38 df: p= 0,048
round(confint(Bewes.poi6) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,46 1,98
## Sexo.rec2-M 0,00 0,18
Bewes.poi7 <- svyglm(Bewes.ajust ~ Nivel.Socieconomico.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi7)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Nivel.Socieconomico.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,7767 0,1445 12,29 1,2e-14 ***
## Nivel.Socieconomico.rec2-MEDIO 0,1735 0,0962 1,80 0,08 .
## Nivel.Socieconomico.rec3-ALTO -0,4136 0,1705 -2,43 0,02 *
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 7,977)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi7, ~Nivel.Socieconomico.rec)
## Wald test for Nivel.Socieconomico.rec
## in svyglm(formula = Bewes.ajust ~ Nivel.Socieconomico.rec, diseniopost1,
## family = quasipoisson())
## F = 3,351 on 2 and 37 df: p= 0,046
round(confint(Bewes.poi7) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,49 2,06
## Nivel.Socieconomico.rec2-MEDIO -0,02 0,36
## Nivel.Socieconomico.rec3-ALTO -0,75 -0,08
Bewes.poi8 <- svyglm(Bewes.ajust ~ Nivel.Educativo.de.la.Madre1.rec, diseniopost1,
family = quasipoisson())
summary(Bewes.poi8)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Nivel.Educativo.de.la.Madre1.rec,
## diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) 1,6750 0,2346 7,14
## Nivel.Educativo.de.la.Madre1.rec2-Basic -0,0782 0,2078 -0,38
## Nivel.Educativo.de.la.Madre1.rec3-Medium 0,4153 0,2922 1,42
## Nivel.Educativo.de.la.Madre1.rec4-High 0,1672 0,2615 0,64
## Pr(>|t|)
## (Intercept) 2,2e-08 ***
## Nivel.Educativo.de.la.Madre1.rec2-Basic 0,71
## Nivel.Educativo.de.la.Madre1.rec3-Medium 0,16
## Nivel.Educativo.de.la.Madre1.rec4-High 0,53
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 7,849)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi8, ~Nivel.Educativo.de.la.Madre1.rec)
## Wald test for Nivel.Educativo.de.la.Madre1.rec
## in svyglm(formula = Bewes.ajust ~ Nivel.Educativo.de.la.Madre1.rec,
## diseniopost1, family = quasipoisson())
## F = 6,335 on 3 and 36 df: p= 0,0015
round(confint(Bewes.poi8) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,22 2,13
## Nivel.Educativo.de.la.Madre1.rec2-Basic -0,49 0,33
## Nivel.Educativo.de.la.Madre1.rec3-Medium -0,16 0,99
## Nivel.Educativo.de.la.Madre1.rec4-High -0,35 0,68
Bewes.poi8a <- svyglm(Bewes.ajust ~ Nive.Educativo.de.la.Madre2.rec, diseniopost1,
family = quasipoisson())
summary(Bewes.poi8a)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Nive.Educativo.de.la.Madre2.rec,
## diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error
## (Intercept) 1,475 0,198
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL 0,334 0,193
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY 0,481 0,237
## t value Pr(>|t|)
## (Intercept) 7,45 7,3e-09 ***
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL 1,73 0,092 .
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY 2,03 0,049 *
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 7,847)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi8a, ~Nive.Educativo.de.la.Madre2.rec)
## Wald test for Nive.Educativo.de.la.Madre2.rec
## in svyglm(formula = Bewes.ajust ~ Nive.Educativo.de.la.Madre2.rec,
## diseniopost1, family = quasipoisson())
## F = 2,436 on 2 and 37 df: p= 0,1
round(confint(Bewes.poi8a) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,09 1,86
## Nive.Educativo.de.la.Madre2.rec2-HIGH SCHOOL -0,04 0,71
## Nive.Educativo.de.la.Madre2.rec3-COLLEGE-UNIVERSITY 0,02 0,94
Bewes.poi9 <- svyglm(Bewes.ajust ~ Tipo.de.Escuela.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi9)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Tipo.de.Escuela.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,8705 0,0857 21,83 <2e-16 ***
## Tipo.de.Escuela.rec2-Private -0,1426 0,1959 -0,73 0,47
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,37)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi9, ~Tipo.de.Escuela.rec)
## Wald test for Tipo.de.Escuela.rec
## in svyglm(formula = Bewes.ajust ~ Tipo.de.Escuela.rec, diseniopost1,
## family = quasipoisson())
## F = 0,5303 on 1 and 38 df: p= 0,47
round(confint(Bewes.poi9) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,70 2,04
## Tipo.de.Escuela.rec2-Private -0,53 0,24
Bewes.poi10 <- svyglm(Bewes.ajust ~ FrCepDenti.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi10)
##
## Call:
## svyglm(formula = Bewes.ajust ~ FrCepDenti.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,512 0,148 10,24 2,4e-12
## FrCepDenti.rec2- 2 veces al dia 0,229 0,183 1,26 0,22
## FrCepDenti.rec3-3 o mas veces al dia 0,363 0,243 1,49 0,14
##
## (Intercept) ***
## FrCepDenti.rec2- 2 veces al dia
## FrCepDenti.rec3-3 o mas veces al dia
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 7,905)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi10, ~FrCepDenti.rec)
## Wald test for FrCepDenti.rec
## in svyglm(formula = Bewes.ajust ~ FrCepDenti.rec, diseniopost1,
## family = quasipoisson())
## F = 1,153 on 2 and 37 df: p= 0,33
round(confint(Bewes.poi10) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,22 1,80
## FrCepDenti.rec2- 2 veces al dia -0,13 0,59
## FrCepDenti.rec3-3 o mas veces al dia -0,11 0,84
Bewes.poi11 <- svyglm(Bewes.ajust ~ UsoDentifrico3.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi11)
##
## Call:
## svyglm(formula = Bewes.ajust ~ UsoDentifrico3.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,779 0,127 13,97 <2e-16 ***
## UsoDentifrico3.rec2-No -1,231 0,441 -2,79 0,0082 **
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,219)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi11, ~UsoDentifrico3.rec)
## Wald test for UsoDentifrico3.rec
## in svyglm(formula = Bewes.ajust ~ UsoDentifrico3.rec, diseniopost1,
## family = quasipoisson())
## F = 7,786 on 1 and 38 df: p= 0,0082
round(confint(Bewes.poi11) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,53 2,03
## UsoDentifrico3.rec2-No -2,10 -0,37
Bewes.poi12 <- svyglm(Bewes.ajust ~ Consitencia_Cepillo.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi12)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Consitencia_Cepillo.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,828147 0,176890 10,33 1e-11 ***
## Consitencia_Cepillo.rec2-Medium -0,000474 0,086791 -0,01 1,00
## Consitencia_Cepillo.rec3-Hard -0,028530 0,129028 -0,22 0,83
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 6,795)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi12, ~Consitencia_Cepillo.rec)
## Wald test for Consitencia_Cepillo.rec
## in svyglm(formula = Bewes.ajust ~ Consitencia_Cepillo.rec, diseniopost1,
## family = quasipoisson())
## F = 0,03578 on 2 and 32 df: p= 0,96
round(confint(Bewes.poi12) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,48 2,17
## Consitencia_Cepillo.rec2-Medium -0,17 0,17
## Consitencia_Cepillo.rec3-Hard -0,28 0,22
Bewes.poi13 <- svyglm(Bewes.ajust ~ IGS.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi13)
##
## Call:
## svyglm(formula = Bewes.ajust ~ IGS.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,6826 0,1632 10,31 2e-12 ***
## IGS.rec2-De 45 a 60 0,0412 0,2687 0,15 0,88
## IGS.rec3 -Menos o igual a 45 0,0980 0,2144 0,46 0,65
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,275)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi13, ~IGS.rec)
## Wald test for IGS.rec
## in svyglm(formula = Bewes.ajust ~ IGS.rec, diseniopost1, family = quasipoisson())
## F = 0,1724 on 2 and 37 df: p= 0,84
round(confint(Bewes.poi13) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,36 2,00
## IGS.rec2-De 45 a 60 -0,49 0,57
## IGS.rec3 -Menos o igual a 45 -0,32 0,52
Bewes.poi14 <- svyglm(Bewes.ajust ~ RefrCola.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi14)
##
## Call:
## svyglm(formula = Bewes.ajust ~ RefrCola.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,838 0,130 14,12 <2e-16
## RefrCola.rec2-Todos los dias -0,142 0,158 -0,90 0,37
## RefrCola.rec3-Mas de 3 veces al dia 0,070 0,240 0,29 0,77
##
## (Intercept) ***
## RefrCola.rec2-Todos los dias
## RefrCola.rec3-Mas de 3 veces al dia
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,214)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi14, ~RefrCola.rec)
## Wald test for RefrCola.rec
## in svyglm(formula = Bewes.ajust ~ RefrCola.rec, diseniopost1, family = quasipoisson())
## F = 2,683 on 2 and 37 df: p= 0,082
round(confint(Bewes.poi14) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,58 2,09
## RefrCola.rec2-Todos los dias -0,45 0,17
## RefrCola.rec3-Mas de 3 veces al dia -0,40 0,54
Bewes.poi15 <- svyglm(Bewes.ajust ~ JugFrutas.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi15)
##
## Call:
## svyglm(formula = Bewes.ajust ~ JugFrutas.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,6936 0,1817 9,32 3e-11
## JugFrutas.rec2-Todos los dias 0,0345 0,1896 0,18 0,86
## JugFrutas.rec3-Mas de 3 veces al dia 0,2760 0,2183 1,26 0,21
##
## (Intercept) ***
## JugFrutas.rec2-Todos los dias
## JugFrutas.rec3-Mas de 3 veces al dia
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,144)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi15, ~JugFrutas.rec)
## Wald test for JugFrutas.rec
## in svyglm(formula = Bewes.ajust ~ JugFrutas.rec, diseniopost1, family = quasipoisson())
## F = 8,058 on 2 and 37 df: p= 0,0012
round(confint(Bewes.poi15) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,34 2,05
## JugFrutas.rec2-Todos los dias -0,34 0,41
## JugFrutas.rec3-Mas de 3 veces al dia -0,15 0,70
Bewes.poi16 <- svyglm(Bewes.ajust ~ Bebidas_energizantes.rec, diseniopost1,
family = quasipoisson())
summary(Bewes.poi16)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Bebidas_energizantes.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value
## (Intercept) 1,7888 0,1526 11,72
## Bebidas_energizantes.rec2-Todos los dias -0,0357 0,1212 -0,29
## Bebidas_energizantes.recMas de 3 veces al dia -0,8409 0,5804 -1,45
## Pr(>|t|)
## (Intercept) 5,1e-14 ***
## Bebidas_energizantes.rec2-Todos los dias 0,77
## Bebidas_energizantes.recMas de 3 veces al dia 0,16
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,001)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi16, ~Bebidas_energizantes.rec)
## Wald test for Bebidas_energizantes.rec
## in svyglm(formula = Bewes.ajust ~ Bebidas_energizantes.rec, diseniopost1,
## family = quasipoisson())
## F = 1,084 on 2 and 37 df: p= 0,35
round(confint(Bewes.poi16) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,49 2,09
## Bebidas_energizantes.rec2-Todos los dias -0,27 0,20
## Bebidas_energizantes.recMas de 3 veces al dia -1,98 0,30
Bewes.poi17 <- svyglm(Bewes.ajust ~ Yogurt.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi17)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Yogurt.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,914 0,185 10,34 1,8e-12 ***
## Yogurt.rec2-Todos los dias -0,155 0,277 -0,56 0,58
## Yogurt.rec3-Nunca o raramente -0,130 0,209 -0,62 0,54
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,166)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi17, ~Yogurt.rec)
## Wald test for Yogurt.rec
## in svyglm(formula = Bewes.ajust ~ Yogurt.rec, diseniopost1, family = quasipoisson())
## F = 0,1998 on 2 and 37 df: p= 0,82
round(confint(Bewes.poi17) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,55 2,28
## Yogurt.rec2-Todos los dias -0,70 0,39
## Yogurt.rec3-Nunca o raramente -0,54 0,28
Bewes.poi18 <- svyglm(Bewes.ajust ~ Bruxismo.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi18)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Bruxismo.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,7648 0,1380 12,79 2,4e-15 ***
## Bruxismo.rec2-Yes -0,0328 0,1044 -0,31 0,76
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,116)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi18, ~Bruxismo.rec)
## Wald test for Bruxismo.rec
## in svyglm(formula = Bewes.ajust ~ Bruxismo.rec, diseniopost1, family = quasipoisson())
## F = 0,09873 on 1 and 38 df: p= 0,76
round(confint(Bewes.poi18) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,49 2,04
## Bruxismo.rec2-Yes -0,24 0,17
Bewes.poi19 <- svyglm(Bewes.ajust ~ bedeportediario.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi19)
##
## Call:
## svyglm(formula = Bewes.ajust ~ bedeportediario.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,7936 0,1184 15,14 3,8e-16 ***
## bedeportediario.rec2-Gatorade 0,0805 0,1957 0,41 0,68
## bedeportediario.rec3-other 0,0973 0,1381 0,70 0,49
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 7,102)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi19, ~bedeportediario.rec)
## Wald test for bedeportediario.rec
## in svyglm(formula = Bewes.ajust ~ bedeportediario.rec, diseniopost1,
## family = quasipoisson())
## F = 0,3084 on 2 and 32 df: p= 0,74
round(confint(Bewes.poi19) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,56 2,03
## bedeportediario.rec2-Gatorade -0,30 0,46
## bedeportediario.rec3-other -0,17 0,37
Bewes.poi21 <- svyglm(Bewes.ajust ~ BuchTragar.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi21)
##
## Call:
## svyglm(formula = Bewes.ajust ~ BuchTragar.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,762 0,125 14,2 1,4e-15 ***
## BuchTragar.rec2-Yes 0,314 0,131 2,4 0,022 *
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 6,876)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi21, ~BuchTragar.rec)
## Wald test for BuchTragar.rec
## in svyglm(formula = Bewes.ajust ~ BuchTragar.rec, diseniopost1,
## family = quasipoisson())
## F = 5,775 on 1 and 33 df: p= 0,022
round(confint(Bewes.poi21) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,52 2,01
## BuchTragar.rec2-Yes 0,06 0,57
Bewes.poi22 <- svyglm(Bewes.ajust ~ FormBeber.rec, diseniopost1, family = quasipoisson())
regTermTest(Bewes.poi22, ~FormBeber.rec)
## Wald test for FormBeber.rec
## in svyglm(formula = Bewes.ajust ~ FormBeber.rec, diseniopost1, family = quasipoisson())
## F = 0,8974 on 2 and 37 df: p= 0,42
summary(Bewes.poi22)
##
## Call:
## svyglm(formula = Bewes.ajust ~ FormBeber.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,8908 0,1813 10,43 1,5e-12 ***
## FormBeber.rec2-Por el pico -0,2252 0,2284 -0,99 0,33
## FormBeber.rec3-Con vaso -0,1137 0,0923 -1,23 0,23
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,214)
##
## Number of Fisher Scoring iterations: 6
round(confint(Bewes.poi22) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,54 2,25
## FormBeber.rec2-Por el pico -0,67 0,22
## FormBeber.rec3-Con vaso -0,29 0,07
Bewes.poi23 <- svyglm(Bewes.ajust ~ Natac2vec.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi23)
##
## Call:
## svyglm(formula = Bewes.ajust ~ Natac2vec.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,7996 0,1343 13,4 6,7e-15 ***
## Natac2vec.rec2-Yes 0,0283 0,0704 0,4 0,69
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 7,096)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi23, ~Natac2vec.rec)
## Wald test for Natac2vec.rec
## in svyglm(formula = Bewes.ajust ~ Natac2vec.rec, diseniopost1, family = quasipoisson())
## F = 0,1616 on 1 and 33 df: p= 0,69
round(confint(Bewes.poi23) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,54 2,06
## Natac2vec.rec2-Yes -0,11 0,17
Bewes.poi24 <- svyglm(Bewes.ajust ~ MedResp.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi24)
##
## Call:
## svyglm(formula = Bewes.ajust ~ MedResp.rec, diseniopost1, family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,7670 0,1301 13,58 3,7e-16 ***
## MedResp.rec2-Yes 0,0444 0,1556 0,29 0,78
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,151)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi24, ~MedResp.rec)
## Wald test for MedResp.rec
## in svyglm(formula = Bewes.ajust ~ MedResp.rec, diseniopost1, family = quasipoisson())
## F = 0,0813 on 1 and 38 df: p= 0,78
round(confint(Bewes.poi24) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,51 2,02
## MedResp.rec2-Yes -0,26 0,35
Bewes.poi25 <- svyglm(Bewes.ajust ~ AlterGastrica.rec, diseniopost1, family = quasipoisson())
summary(Bewes.poi25)
##
## Call:
## svyglm(formula = Bewes.ajust ~ AlterGastrica.rec, diseniopost1,
## family = quasipoisson())
##
## Survey design:
## postStratify(disenio1, ~categor.rec + Sexo, tabla.pob)
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 1,783 0,135 13,23 8,4e-16 ***
## AlterGastrica.rec2-Yes -0,234 0,243 -0,97 0,34
## ---
## Signif. codes: 0 '***' 0,001 '**' 0,01 '*' 0,05 '.' 0,1 ' ' 1
##
## (Dispersion parameter for quasipoisson family taken to be 8,143)
##
## Number of Fisher Scoring iterations: 6
regTermTest(Bewes.poi25, ~AlterGastrica.rec)
## Wald test for AlterGastrica.rec
## in svyglm(formula = Bewes.ajust ~ AlterGastrica.rec, diseniopost1,
## family = quasipoisson())
## F = 0,9322 on 1 and 38 df: p= 0,34
round(confint(Bewes.poi25) * 1, 2)
## 2,5 % 97,5 %
## (Intercept) 1,52 2,05
## AlterGastrica.rec2-Yes -0,71 0,24